虚拟红外成像导引头建模与仿真∗

吴 斌 李德伟

（海军参谋部军事训练中心 北京 100166）

1 引言

导弹作为精确制导武器装备在军事领域有着非常高的战略地位。导弹研制及试验训练过程中实弹发射都会耗费极大的人力和物力，并且需要广阔的空间和周全的准备，样本量受限。计算机虚拟仿真技术以其组织高效、效果逼真、复用性强和评估手段齐全等特点在军事武器仿真领域得到了广泛的应用。红外对抗计算机虚拟仿真系统中，红外制导反舰导弹模型可以在攻防对抗和战法推演中模拟导弹全程攻击过程，验证舰船和导弹攻防过程中的相互影响，并可得到全面的攻击效能结果数据，作为对抗指挥决策的依据。

2 红外导引头原理分析

红外成像制导反舰导弹寻的制导系统核心装置是红外成像导引头，主要由红外成像系统、图像处理系统、稳定跟踪系统组成。红外成像系统负责红外导引头视场内红外场景的成像，图像处理系统负责目标识别与跟踪，是红外成像制导系统的关键部分，稳定跟踪系统用于调整红外成像系统视场的光轴角度，并反馈角度给导弹控制系统［1］。典型红外成像制导系统如图1所示。

红外导引头以目标热辐射作为信息来源，探测获取目标和背景的红外图像并进行图像处理，然后经过图像预处理、目标检测、识别、跟踪，信息处理结果作为制导信息引导导弹飞行［2～3］。

3 虚拟红外导引头建模

3.1 红外图像生成系统建模

红外对抗虚拟仿真系统中，红外图像是通过OGRE渲染生成，以模拟红外导引头产生的红外图像。在模拟生成红外图像的过程中，主要涉及海天场景红外效应、舰船目标几何模型和红外特征、大气传输和衰减、成像传感器效应建模等相互联系的复杂系统［4］，运行流程如图2所示。

图2 红外制导图像生成流程

根据仿真需求进行环境设置，并对场景中的海天背景和舰船目标的几何实体模型进行建模及特定仿真条件设置；采用专业红外效应计算软件模块对海面、天空、大气、舰船进行热物理特性预处理以及大气传输效应预处理；最后，根据导弹和目标相对位置信息和导引头光轴信息对特定探测器效应进行红外图像生成。

3.2 图像处理系统建模

红外导引头图像处理工作贯穿于从捕捉目标到攻击目标整个过程，图像处理主要包括图像预处理、图像检测、目标识别和目标跟踪等［5］，图像处理流程如图3所示。

图3 红外导引头图像处理流程

针对红外制导图像处理，OpenCV具有强大的图像处理功能，且集成有大量图像处理算法，减少编程代码量，并可快速完成图像目标的检测跟踪处理。红外对抗虚拟仿真系统采用了C++语言进行编辑，导弹图像处理采用OpenCV技术。

3.2.1 图像预处理

红外导引头进行图像目标识别与跟踪时，红外成像系统成像过程中受自身器件的能量干扰，经图像数字化及传输过程，红外图像会出现小噪点等背景杂波和系统噪声干扰，图片质量变差，噪声干扰可掩盖目标特征致使目标图像识别和跟踪困难。要把目标从背景杂波和噪声干扰中分别出来，需先对红外成像图像进行预处理。图像预处理主要是改善图像数据，抑制图像噪声和削弱背景杂波，对图像进行滤波降噪。

像元数M*N的红外图像序列，第k帧图像、像素(i，j)处的图像灰度 f(i，j，k)可表示为

式中，I(i，j，k)为目标信号，b(i，j，k)为背景信号，n(i，j，k)为噪声［6］。

中值滤波是图像去噪滤波算法中应用较多技术成熟的空间滤波方法［7］。首先确定某个像素点位置及窗口的形状和大小，如3×3、5×5的矩形领域，然后将该区域中各像素点灰度值按大小重新排序，取序列中的中间值作为此像素点新的灰度值，如图4所示。

图4 中值滤波示意图

数字图像二维中值滤波处理后新图像像素点对应的像素灰度值y(i，j，k)为

Med为取矩阵内像素灰度值中间值，f(i+m，j+m)为序列中的像素灰度中间值。

叠加高斯噪声的原始红外图像如图5所示，经虚拟红外导引头图像滤波预处理后图像效果如图6所示。可看出，中值滤波是对红外图像的平滑处理，消除噪声的同时，保留了目标的边缘信息。

图5 叠加高斯噪声的原始红外图像

图6 中值滤波图像处理效果图

3.2.2 图像分割

红外制导图像分割目的是根据目标和背景的红外辐射特征差异把舰船目标从背景和干扰中分割开来，主要基于图像灰度值的不连续性和分布相似性，分割方法可分为基于灰度阈值分割法、边缘检测和角点检测法等［7］。其中基于灰度阈值分割法算法，阈值分割的关键是确定合适的分割阈值，以该阈值为基准，与图像中每个像素灰度值进行比较，根据比较结果将图像分成两类，即目标类和背景类。

本文采用了最大类间方差分割法（OTSU）进行图像分割处理。最大类间方差法是一种自适应确定阈值分割的方法，属于基于全局的图像二值化算法［8］。基本思想是根据图像灰度特性确定最佳分割阈值，并把图像分为背景类和目标类两个部分，两部分之间的灰度方差差异最大，OTSU算法所采用差别的衡量标准就是最为常见的最大类间方差。算法实现如下。

统计图像像素灰度总和N：

计算每个灰度值i所占概率 pi和灰度均值μi：

取灰度值T∈(0，m-1)将各灰度值分类，计算概率均值μi和两类之间的方差δ2。

目标类：

背景类：

目标类和背景类方差值：

依次取T值，并计算不同T值下目标类和背景类方差值δ2，取δ2最大值所对应的灰度值T作为最佳分割阈值。

红外图像经最大类间方差算法分割后处理结果如图7所示。

图7 最大类间方差算法分割效果图

3.2.3 目标跟踪建模

目标跟踪采用中心跟踪，实质就是选择目标图像的中心作为跟踪点，中心跟踪根据选取方法可分为形心跟踪、质心跟踪和边缘跟踪等方法［9］。

形心跟踪是以波门内目标的形心作为跟踪点，质心跟踪是以波门内目标的灰度质心作为跟踪点，边缘跟踪是以目标的边缘中心作为跟踪点。本文采用质心跟踪算法，计算公式如下，（Ix，Iy）为目标质心跟踪中心坐标。

3.3 制导信息解算

图像处理得到目标跟踪中心坐标，该坐标是图像二维坐标，需要通过坐标变换转换为空间三维制导角度信息，三维制导角度信息是以弹体坐标系为基准，通过坐标变换转换为地面坐标系下的角度信息，转换流程如图8所示。

图8 导弹制导信息坐标变换流程

弹目视线角相对光轴的空间角度为

（φ，θ）为目标水平和垂直空间角度。A、B为水平视场角和垂直视场角，m×n为图像像素。

弹体坐标系下的弹目视线向量表示为

[x1y1z1]为目标视线向量，此时可求得目标视线偏航角φm和视线俯仰角θm：

4 虚拟红外导引头仿真

OGRE场景建模得到红外制导实时渲染图像，虚拟红外导引头通过对图像预处理、图像分割、目标识别等图像处理过程计算出目标位置坐标，然后通过空间转换计算出制导所需的弹目视线空间角度，虚拟红外导引头工作流程如图9所示。

图9 虚拟红外导引头工作流程

虚拟红外导引头模型结合导弹飞行弹道模型应用于红外对抗虚拟仿真平台，仿真效果如图10所示，全场景显示图像为三维视景显示，小窗口图像为虚拟红外导引头经图像处理后的红外目标跟踪图像。

图10 虚拟红外导引头仿真效果

通过红外对抗虚拟仿真平台仿真应用，虚拟红外导引头模型能够准确识别并稳定跟踪目标，并计算获取目标误差角度信息，控制全弹道仿真模型完成导弹和目标全程对抗过程，表明虚拟红外导引头仿真模型的有效性。

5 结语

使用OGRE虚拟场景建模软件建立了海场景，根据海面和舰船红外特征渲染出红外图像，然后对红外导引头跟踪模型进行建模，实现红外导引头图像预处理、目标检测和目标跟踪等红外图像目标跟踪算法并进行仿真，最后对输出目标位置坐标进行坐标转换为弹道仿真模型所需的弹目视线空间角度信息，实现对目标的识别与跟踪，完成虚拟红外导引头的建模。