初始段安控图像目标识别方法研究

龚勇辉+蒋冠雷+余浩章+陈宜稳

摘 要： 该研究为实现发射场初始段安控电视系统数字化图像采集、处理和存储展开讨论。采用形态学边缘检测算法、霍夫变换直线检测算法和光流法运动检测算法，利用火箭发射初始段安控电视录像进行测试实验，实现了对发射场初始段火箭箭体的识别。该研究使用数字化图像处理方法对现有的安控电视系统进行有效改进，为安控图像实时判读提供了可靠的依据，并为下一步研究提供了有意义的参考。通过对上述几种之间的特点和处理所需的时间的比较分析，形态学边缘检测算法的效果优于其他两种方法。

关键词： 初始段安控图像； 目标识别； 形态学边缘检测； 霍夫变换； 光流法

中图分类号： TN911?34 文献标识码： A 文章编号： 1004?373X（2014）14?0068?04

Methods of object identification in initial security control images

GONG Yong?hui1， JIANG Guan?lei2， YU Hao?zhang2， CHEN Yi?wen2

（1. Jiuquan Satellite Launch Center， Lanzhou 732750， China； 2. Beijing Institute of Tracking and Telecommunication Technology， Beijing 100094， China）

Abstract： The digitization image acquisition， processing and storage of initial security TV system are discussed in the research. The morphological edge detection algorithm， Hough transform line detection algorithm and optical flow motion detection algorithm are used to perform the testing experiment by means of the rocket initial security control video and to realize the identification of rocket in the initial section. The digital image processing method is adopted to improve the existing security control TV system， which provides a reliable basis for real?time interpretation of security control images and a significant reference for further research. The morphological edge detection algorithm is better than the others according to the comparative analysis on the characteristics and the time needed for image processing of these three methods.

Keywords： initial security control image； target identification； morphology edge detection； Hough transformation； optical flow method

0 引 言

初始段安控用于保证在火箭发射发生故障时，保护重要设施及地面人员的安全，使人身伤亡、财产损失及国际影响减至最小。目前现有的发射场系统中，安控电视是火箭发射初始段安控判决的重要信息源，为安控指挥员判断和采取相应措施提供依据，对保障发射任务的安全顺利进行具有极其重要的意义。

本文使用数字图像处理技术将安控电视任务画面以数字图像的方式进行采集、存储和处理，实现对发射场初始段火箭箭体的识别、捕捉。特别是针对火箭发射初始段离开塔架以及火箭发生偏飞时的数字图像处理技术进行研究分析，为发射场后续安控电视系统的进一步改造提供参考。

1 安控电视系统现状及研究方案

中心安控电视系统自20世纪90年代初投入使用至今，其使用的辅助判决方案是简单地将安控电视视频上叠加显示一个安控管道的图层，依靠人眼识别视频中的火箭发射初始段位置，来判断是否提供辅助安控判决信息。此方案受天气条件影响，所摄得的火箭发射初始段飞行景象并不清楚，箭体的颜色与天空的背景色相近，要想人工辨别火箭在飞行中的情况有较大的难度。且使用摄录机和磁带式编录机采集存储图像，处理回放均不方便。

基于上述现状，本研究采用商业级CMOS数字式摄像头，使用USB 2.0接口与电脑连接，编写有关接口和算法程序，比较分析了形态学边缘检测算法、霍夫变换直线检测算法和光流法运动检测算法在安控电视系统上的应用效果，其工作流程如图1所示[1?2]。

图1 安控图像数字处理方法流程图

2 视频预处理与目标检测方法

2.1 预处理方法

在获得火箭发射初始段视频帧后，为了节省对图像中火箭位置进行检测识别所需的计算时间，此处并不对全图进行计算处理，而是设计一个识别计算区域，在对其进行灰度和二值化处理，得到经过预处理后的部分区域图像，以减少计算量[3]。在Matlab中，可以使用rgb2gray和im2bw命令以实现灰度和二值化处理，其中二值化的阈值通过graythresh命令获得。

在某些特定的时间窗口发射火箭时，摄像机有可能受到太阳光线的影响，此时需要使用均值滤波以平衡光强。图2中为受到太阳光影响下使用霍夫变换直线检测进行火箭箭体识别的结果图。如果不使用均值滤波，则太阳光的亮度将会严重的影响二值化的结果，在Matlab中均值滤波可以用fspecial命令实现[4]，图2中右半部分上图为未使用均值滤波直接灰度和二值化处理后得到的图像，由于图像上半部分明显亮度较高，故识别后的结果无法达到所需的要求；下半部分为使用均值滤波后进行二值化的结果。在进行均值滤波后，火箭箭体被较好地检测了出来。

图2 均值滤波效果示意图

2.2 形态学边缘检测法

图3所示为某火箭发射中的一帧图像预处理的过程，图中（a）为该帧原始处理区域图像显示效果，（b）为红色处理区域中的放大图像，（c）为经过灰度处理和均值滤波所得到的结果。从图中可以发现，由于此时阳光位于摄像头后方，箭体反光亮度较高，与背景混杂后人眼较难识别，经灰度化和均值滤波处理后仍不明显。此时使用形态学边缘检测算法对其进行处理，（d）～（f）分别为使用Sobel算子，Roberts算子和Canny算子处理得到的结果，从中可以发现Sobel算子效果较好。在Matlab中可以使用edge命令实现，该命令中可通过method参数选择的算子，thresh参数设置阈值，阈值通过graythresh命令获得[5]。

图3 边缘检测效果示意图

在进行边缘检测后，需要对图像进行膨胀和边界处理。其中左图为使用形态学中的膨胀图像的方法（imdilate）处理后的效果，其中火箭箭体部分由图4中的间断变成了一个相连接的整体。图中右侧则为将膨胀后的图像进行进一步处理，去除与边界相连接的部分（imclearborder）后得到的效果[6]。

图4 膨胀和边界处理结果

在去除与边界相连的部分以后，使用bwboundaries命令和regionprops命令即可从图像中提取出所有封闭图形的位置、轮廓、型心等信息，获得火箭的位置信息后，便可以以该位置作为下一视频帧中处理区域的中心点，实现对火箭位置的动态识别。

2.3 霍夫变换直线检测法

当火箭发生偏飞和倒飞等特殊情况时，形态学检测获得的火箭箭体图像可能有较多不连续的情况发生，就有可能不能很好地实现对箭体本身的检测。为模拟火箭发生偏飞时的情况，将现有的火箭发射初始段录像倾斜15°，再使用基于霍夫变化的直线检测进行处理，如图5所示。Matlab中提供了较为丰富的基于霍夫变换的命令组，其中houghlines命令还可以得到所获得直线的中点位置，可以以此作为下一帧图像处理区域的中心位置。从图5中可以发现，当火箭飞行发生故障时，即假设以15°的角度斜向飞行并飞出安全控制区域时，基于霍夫变换直线检测的图像识别方法仍能较好地识别火箭箭体的位置[7]。

图5 火箭飞行倾斜15°时的霍夫直线检测效果

2.4 基于Horn?Schunck算法的光流检测法

在Matlab中，没有直接可以使用的基于光流算法的图像处理命令，因此，本研究基于Horn?Schunck算法在Matlab中编写了用于进行光流计算的程序。由于火箭发射初始段的图像运动速度并不高，故此处可以认为满足图像灰度一致性假设，误差在可接受的范围内[8]。图6中（a）、（b）为某次发射中所拍摄的连续两帧图像，（c）、（d）为该两帧图像红色虚线框图像处理区域经灰度处理后的结果，（e）为这两帧图像进行光流计算结果。可以发现，火箭箭体位置的光流矢量最大，因此可以以该位置作为下一帧图像处理区域的中心位置。

图6 光流法图像检测的相邻两帧图像

3 方法实现与结果分析

3.1 接口编程实现方法

在Matlab中使用imaqhwinfo命令可实现摄像头的识别，在该命令返回的结构体摄像头的相关信息，包括所支持的分辨率等[9]。使用videoinput命令可完成对摄像头的初始化，选择所需使用的分辨率。该命令支持在安装了多个视频设备的情况下选择多个设备用于交汇测量等操作。

使用start和getdata等命令启动摄像头并且获得所需要的视频帧。以一个电扇的转动结合相邻两帧图像做差（imabsdiff）的方法进行实验。在图7中，（a）为当电扇不转时视频流中的某一帧图像，（b）为该帧图像和下一帧图像做差后得到的结果；（c）为当电扇转动并左右摆动时的某一帧图像，（d）做差后得到的结果。比较（b）和（d）的结果可以说明所编写的接口程序能够正确的识别和操作摄像头，并从摄像头所拍摄到的视频流中截取所需要的图像用以进行图像处理。

图7 视频流采集风扇实验结果图

3.2 计算时间对比

利用Matlab自带的tic和toc命令组，可以得到程序运行所需要的时间（Elapsed time）。使用形态学边界检测法，霍夫变换直线检测法和光流分析法，结合该命令组可以得到对已有火箭发射初始段视频录像中150帧图像的处理时间（24 f/s）。每种方法运行5次，其运行时间及平均值结果如表1所示。

表1 不同处理方法计算时间结果 s

从表中可以看出使用形态学边界检测法和霍夫变换直线检测法所处理150帧火箭发射初始段视频图像所需的时间都非常短，平均值分别仅为1.819和1.001。这是由于这两种方法所使用的都是Matlab图形处理工具箱中所提供的标准命令，如bwboundaries，regionprops，hough，houghpeaks和houghlines等。按PAL制式24 f/s的视频显示帧率，这两种方法理论上都可以满足计算时间上的要求（视频长约5 s）。由于光流分析法使用的是自行编写的程序，其中包含了大量的迭代循环，没能针对Matlab进行很好的优化，故在计算所消耗的时间上较前两种方法有较大的差距，以至还不能满足视频显示的需要。相关文献也说明了光流法进行实时图像处理时效率不高的问题[10]。虽然光流法暂时不适用于图像的实时检测识别处理，但仍可用于图像事后处理或跳帧准实时处理。

3.3 算法识别效果对比

图8所示为针对同一帧图像，使用前文所述三种不同算法所得结果的比较。其中（a）为原始图像中的识别处理区域经过灰度处理后的结果，（b）为形态学边缘检测得到的结果，（c）为霍夫直线变换检测得到的结果，（d）为光流法得到的结果。这三种方法均能实现对发射场火箭发射初始段空中飞行火箭位置的识别。

图8 火箭升空后三种处理方法处理效果对比

图9为火箭从塔架上点火发射时的场景，火箭识别处理区域中的背景相对于已升空的火箭背景较为复杂，存在火箭尾焰、塔架和地平线等其他物体的干扰。其中：（a）为处理区域经过灰度处理后的结果；（b）为形态学边缘检测得到的结果；（c）为霍夫直线变换检测得到的结果；（d）为光流法得到的结果。从图中可以看出此时将灰度处理后的图像直接进行光流计算和霍夫直线检测取得的效果都不佳，使用形态学检测，再配合膨胀、边界处理和形状匹配，可以获得较好的效果。

4 结 语

本研究针对数字图像处理技术在火箭发射初始段安控电视系统中的应用展开了研究，搭建了基于CMOS数字式摄像头的硬件平台，使用Matlab编写了相关程序，研究表明：

（1） Matlab可以方便有效地获取视频流中图像用于后续处理。在预处理过程中，使用了灰度化，二值化，均值滤波等手段，均值滤波可以有效地解决光强分布不均所造成的影响；

（2） 在火箭刚从塔架起飞时，由于地面物体等干扰，形态学边缘检测方法对目标的识别效果较好，同时Sobel算子的边缘检测效果好于Canny算子和Roberts算子；

（3） 火箭起飞后在空中飞行时，本文所讨论的三种数字图像检测方法均能较好地识别火箭箭体；

（4） 形态学边缘检测方法和霍夫变换直线检测方法速度较快，光流法由于Matlab图像工具箱不提供直接支持，运行速度较慢，算法有待进一步优化。

图9 火箭发射时三种处理方法处理效果对比

参考文献

[1] NAGAOKA Naomi， OKAZAKI Keita， SUGAHARA Tatsuya， et al. Grouping method based on feature matching for tracking and recognition of complex objects [C]// 2008 International Symposium on Intelligent Signal Processing and Communication Systems. Bangkok， Thailand： IEEE， 2009： 1?4.

[2] SALMANE H， RUICHEK Y， KHOUDOUR L. Gaussian propagation model based dense optical flow for objects tracking [C]// 2012 ICIAR. San Francisco， USA： Springer， 2012： 67?73.

[3] 雷珺.基于视频的运动信息分析与处理及其应用研究[D].杭州：浙江大学，2004.

[4] 汪惠兰，林航飞，李赔龙.基于Matlab实时运动目标跟踪检测系统[J].计算机安全，2012（3）：17?20.

[5] 雷治军，林晓.用Matlab读取数字视频的方法研究[J].福建电脑，2011（3）：6?7.

[6] 张小磊.图像边缘处理技术方法的研究及应用[D].南京：南京信息工程大学，2009.

[7] 刘春阁.基于霍夫变换的直线提取与匹配[D].阜新：辽宁工程技术大学，2009.

[8] 王晖.视频图像的光流计算方法研究[D].长沙：国防科学技术大学，2007.

[9] 李瑛，梁文栋，高伟.基于Matlab 6.1目标跟踪算法验证实现[J].科学技术与工程，2006，10（6）：3207?3208.

[10] XIE Jian?bin， WANG Hui， CHENG Jiang?hua， et al. Optical flow computation method based on HS constraint and outline condition [J]. Systems Engineering and Electronics， 2009， 4（31）： 761?763.

[11] 宋会玲，张萍，曾维亮.大推力姿控发动机推进剂控制阀流场分析[J].火箭推进，2013（6）：19?22.

[12] 李鹏，梁树强.姿控动力装置仿真模拟器研制[J].火箭推进，2012（6）：5?7.

3.3 算法识别效果对比

图8所示为针对同一帧图像，使用前文所述三种不同算法所得结果的比较。其中（a）为原始图像中的识别处理区域经过灰度处理后的结果，（b）为形态学边缘检测得到的结果，（c）为霍夫直线变换检测得到的结果，（d）为光流法得到的结果。这三种方法均能实现对发射场火箭发射初始段空中飞行火箭位置的识别。

图8 火箭升空后三种处理方法处理效果对比

图9为火箭从塔架上点火发射时的场景，火箭识别处理区域中的背景相对于已升空的火箭背景较为复杂，存在火箭尾焰、塔架和地平线等其他物体的干扰。其中：（a）为处理区域经过灰度处理后的结果；（b）为形态学边缘检测得到的结果；（c）为霍夫直线变换检测得到的结果；（d）为光流法得到的结果。从图中可以看出此时将灰度处理后的图像直接进行光流计算和霍夫直线检测取得的效果都不佳，使用形态学检测，再配合膨胀、边界处理和形状匹配，可以获得较好的效果。

4 结 语

本研究针对数字图像处理技术在火箭发射初始段安控电视系统中的应用展开了研究，搭建了基于CMOS数字式摄像头的硬件平台，使用Matlab编写了相关程序，研究表明：

（1） Matlab可以方便有效地获取视频流中图像用于后续处理。在预处理过程中，使用了灰度化，二值化，均值滤波等手段，均值滤波可以有效地解决光强分布不均所造成的影响；

（2） 在火箭刚从塔架起飞时，由于地面物体等干扰，形态学边缘检测方法对目标的识别效果较好，同时Sobel算子的边缘检测效果好于Canny算子和Roberts算子；

（3） 火箭起飞后在空中飞行时，本文所讨论的三种数字图像检测方法均能较好地识别火箭箭体；

（4） 形态学边缘检测方法和霍夫变换直线检测方法速度较快，光流法由于Matlab图像工具箱不提供直接支持，运行速度较慢，算法有待进一步优化。

图9 火箭发射时三种处理方法处理效果对比

参考文献

[1] NAGAOKA Naomi， OKAZAKI Keita， SUGAHARA Tatsuya， et al. Grouping method based on feature matching for tracking and recognition of complex objects [C]// 2008 International Symposium on Intelligent Signal Processing and Communication Systems. Bangkok， Thailand： IEEE， 2009： 1?4.

[2] SALMANE H， RUICHEK Y， KHOUDOUR L. Gaussian propagation model based dense optical flow for objects tracking [C]// 2012 ICIAR. San Francisco， USA： Springer， 2012： 67?73.

[3] 雷珺.基于视频的运动信息分析与处理及其应用研究[D].杭州：浙江大学，2004.

[4] 汪惠兰，林航飞，李赔龙.基于Matlab实时运动目标跟踪检测系统[J].计算机安全，2012（3）：17?20.

[5] 雷治军，林晓.用Matlab读取数字视频的方法研究[J].福建电脑，2011（3）：6?7.

[6] 张小磊.图像边缘处理技术方法的研究及应用[D].南京：南京信息工程大学，2009.

[7] 刘春阁.基于霍夫变换的直线提取与匹配[D].阜新：辽宁工程技术大学，2009.

[8] 王晖.视频图像的光流计算方法研究[D].长沙：国防科学技术大学，2007.

[9] 李瑛，梁文栋，高伟.基于Matlab 6.1目标跟踪算法验证实现[J].科学技术与工程，2006，10（6）：3207?3208.

[10] XIE Jian?bin， WANG Hui， CHENG Jiang?hua， et al. Optical flow computation method based on HS constraint and outline condition [J]. Systems Engineering and Electronics， 2009， 4（31）： 761?763.

[11] 宋会玲，张萍，曾维亮.大推力姿控发动机推进剂控制阀流场分析[J].火箭推进，2013（6）：19?22.

[12] 李鹏，梁树强.姿控动力装置仿真模拟器研制[J].火箭推进，2012（6）：5?7.

3.3 算法识别效果对比

图8所示为针对同一帧图像，使用前文所述三种不同算法所得结果的比较。其中（a）为原始图像中的识别处理区域经过灰度处理后的结果，（b）为形态学边缘检测得到的结果，（c）为霍夫直线变换检测得到的结果，（d）为光流法得到的结果。这三种方法均能实现对发射场火箭发射初始段空中飞行火箭位置的识别。

图8 火箭升空后三种处理方法处理效果对比

图9为火箭从塔架上点火发射时的场景，火箭识别处理区域中的背景相对于已升空的火箭背景较为复杂，存在火箭尾焰、塔架和地平线等其他物体的干扰。其中：（a）为处理区域经过灰度处理后的结果；（b）为形态学边缘检测得到的结果；（c）为霍夫直线变换检测得到的结果；（d）为光流法得到的结果。从图中可以看出此时将灰度处理后的图像直接进行光流计算和霍夫直线检测取得的效果都不佳，使用形态学检测，再配合膨胀、边界处理和形状匹配，可以获得较好的效果。

4 结 语

本研究针对数字图像处理技术在火箭发射初始段安控电视系统中的应用展开了研究，搭建了基于CMOS数字式摄像头的硬件平台，使用Matlab编写了相关程序，研究表明：

（1） Matlab可以方便有效地获取视频流中图像用于后续处理。在预处理过程中，使用了灰度化，二值化，均值滤波等手段，均值滤波可以有效地解决光强分布不均所造成的影响；

（2） 在火箭刚从塔架起飞时，由于地面物体等干扰，形态学边缘检测方法对目标的识别效果较好，同时Sobel算子的边缘检测效果好于Canny算子和Roberts算子；

（3） 火箭起飞后在空中飞行时，本文所讨论的三种数字图像检测方法均能较好地识别火箭箭体；

（4） 形态学边缘检测方法和霍夫变换直线检测方法速度较快，光流法由于Matlab图像工具箱不提供直接支持，运行速度较慢，算法有待进一步优化。

图9 火箭发射时三种处理方法处理效果对比

参考文献

[1] NAGAOKA Naomi， OKAZAKI Keita， SUGAHARA Tatsuya， et al. Grouping method based on feature matching for tracking and recognition of complex objects [C]// 2008 International Symposium on Intelligent Signal Processing and Communication Systems. Bangkok， Thailand： IEEE， 2009： 1?4.

[2] SALMANE H， RUICHEK Y， KHOUDOUR L. Gaussian propagation model based dense optical flow for objects tracking [C]// 2012 ICIAR. San Francisco， USA： Springer， 2012： 67?73.

[3] 雷珺.基于视频的运动信息分析与处理及其应用研究[D].杭州：浙江大学，2004.

[4] 汪惠兰，林航飞，李赔龙.基于Matlab实时运动目标跟踪检测系统[J].计算机安全，2012（3）：17?20.

[5] 雷治军，林晓.用Matlab读取数字视频的方法研究[J].福建电脑，2011（3）：6?7.

[6] 张小磊.图像边缘处理技术方法的研究及应用[D].南京：南京信息工程大学，2009.

[7] 刘春阁.基于霍夫变换的直线提取与匹配[D].阜新：辽宁工程技术大学，2009.

[8] 王晖.视频图像的光流计算方法研究[D].长沙：国防科学技术大学，2007.

[9] 李瑛，梁文栋，高伟.基于Matlab 6.1目标跟踪算法验证实现[J].科学技术与工程，2006，10（6）：3207?3208.

[10] XIE Jian?bin， WANG Hui， CHENG Jiang?hua， et al. Optical flow computation method based on HS constraint and outline condition [J]. Systems Engineering and Electronics， 2009， 4（31）： 761?763.

[11] 宋会玲，张萍，曾维亮.大推力姿控发动机推进剂控制阀流场分析[J].火箭推进，2013（6）：19?22.

[12] 李鹏，梁树强.姿控动力装置仿真模拟器研制[J].火箭推进，2012（6）：5?7.