基于Hu 矩的無人直升機著艦標志識別方法*

閆鵬浩，石章松，吳鵬飛

（海軍工程大學，武漢 430000）

0 引言

無人機具有重量小，機動性強，環(huán)境感知能力好，能夠減輕人員損耗等優(yōu)點，具有廣泛應(yīng)用。在軍事方面，無人機具有多種用途，能夠?qū)崿F(xiàn)目標定位、戰(zhàn)斗等目的，無人直升機整體架構(gòu)復雜性較低，價格較低廉，能垂直起降，無需建設(shè)專門的起降跑道，并且振顫比較微弱，噪聲達到相對較小的水平，可靠性比較高，相對固定翼無人機更具有布置在艦艇上的優(yōu)勢，實現(xiàn)艦載無人直升機的布置是未來的重要發(fā)展方向，其必然顯著優(yōu)化其執(zhí)行任務(wù)的能力，而實現(xiàn)該目標的關(guān)鍵技術(shù)就是通過傳感器實時對著艦標志進行識別與定位。在無人直升機平臺上，攝像裝置在大多數(shù)情況下都裝配于直升機上。因為飛行器不斷運動，所以攝像裝置的高度和拍攝的角度一直在發(fā)生改變，因此，通過這種拍攝方式獲得的照片，在某個地標中體現(xiàn)的形態(tài)不相一致。這些變化造成識別難度大大增加。除此之外，野外的飛行環(huán)境通常會讓識別系統(tǒng)遭受一定的負面干擾，如此就進一步提升了地標識別難度。

在標志識別領(lǐng)域，現(xiàn)有的識別方法主要分為3類。第1 類是文獻［1-2］提出的通過顏色特征對著艦標志進行分割后選取幾何不變矩對著艦標志識別；在特征矩的選取上，還可利用仿射不變矩進行識別［3-4］。第2 類方法主要是利用了角點提取與匹配的方式完成對著艦標志的識別［6-7］。第3 類方法是通過濾波器的設(shè)計，在對著艦標志進行邊緣檢測時濾除環(huán)境因素的影響［5］。本文對現(xiàn)有的識別方法進行了實驗驗證，結(jié)果表明通過顏色特征對著艦標志進行分割只能在簡單無干擾環(huán)境下進行，難以適應(yīng)復雜的背景環(huán)境；采用角點提取與匹配的方法僅能實現(xiàn)對單一著艦標志的識別，圖像背景變復雜時會對其檢測識別效果產(chǎn)生強烈的干擾而使算法失效；而采用濾波器的方法雖然對復雜環(huán)境背景的適應(yīng)性較好并能完成對著艦標志背景的濾除，但其識別效果嚴重依賴于閾值的選取，魯棒性較差。

1 基于Hu 不變矩的著艦標志分塊匹配識別

1.1 著艦標志幾何不變矩的計算

Hu 不變矩運算主要用于灰度圖像特征的獲取，假定存在連續(xù)圖像二維函數(shù)f（x，y），其（p+q）階矩界定為：

其中：p 指代的是x 方向?qū)?yīng)的階數(shù)，q 指代的是y方向?qū)?yīng)的階數(shù)。集合{mpq}由f（x，y）進行明確，對其完成位置歸一化，從而獲取中心矩μpq，對其定義為：

中心矩μpq指代的是圖像平移的不變量，（x0，y0）指代的是圖像所對應(yīng)的重心坐標，其公式為：

其中：m10、m01是圖像的1 階幾何矩；m00指代的是圖像對應(yīng)的0 階幾何矩。再對中心矩展開大小歸一化，從而獲取的中心矩如下：

歸一化中心矩ηpq指的是平移與縮放的不變量。通過代數(shù)不變矩理論，可獲取所需的不變矩，包括圖像平移、旋轉(zhuǎn)等，這就是著名的不變矩公式：

不變矩的作用是對圖像的性質(zhì)進行描述，在圖像處理的過程中，不變矩由于不會受到目標幾何變化的影響，因此，其應(yīng)用范圍較廣。

1.2 著艦標志分塊匹配識別算法流程

Step1：圖像預(yù)處理，對圖像展開一系列的操作，其中比較主要的包括灰度化、二值化、邊緣提取、開運算、中值濾波等，從而獲取更為理想的特征信息；

Step2：視覺圖像分塊，將視覺傳感器收集的信息按照一定的步長進行分塊，從而使整體的圖像能夠以合理的大小進行匹配；

Step3：根據(jù)Hu 矩的計算公式對分塊的圖像進行Hu 矩計算；

Step4：逐塊處理，計算分塊圖像與著艦標志模板Hu 矩的差值，不斷迭代以當前最小差值的圖像分塊作為匹配的最優(yōu)位置；

Step5：Hu 矩最小距離模塊即為目標所在位置，用方框?qū)⒛繕怂谀K框出，完成著艦標志定位。

視覺信息處理的具體流程如下頁圖1 所示。

2 實驗與分析

2.1 視覺信息預(yù)處理

為了提高圖像質(zhì)量、壓縮圖像大小，便于之后有更快的處理速度，需要對圖像進行預(yù)處理操作，我們選取以下幾種方法依次對圖像進行處理。

1）灰度化

它是指將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，且圖像的色度、亮度等特性仍然保持。對于一個像素點來說，它總共包含1 600 多萬的顏色變化區(qū)間，與此同時，灰度圖像是這幾個分量完全一致的彩色圖像，所有像素點的變化區(qū)間一般涵蓋255 種，因此，在對其處理的過程中，把測試圖像進行灰度化處理，從而圖像的整體計算量大幅度降低。

圖1 視覺目標匹配流程

2）二值化

圖像二值化就是指把像素點所對應(yīng)的灰度值進行標準化的設(shè)置，使其為0 或255，如此就能夠?qū)D像轉(zhuǎn)變?yōu)楹诎仔Ч瑢D像涵蓋的數(shù)據(jù)量進一步降低，進而表征目標的整體輪廓。把灰度圖像利用特定的閾值進行選取，從而得到體現(xiàn)目標特征的二值化圖像。

3）邊緣提取

邊緣提取具體而言是指在對數(shù)字圖像展開分析和處理的過程中，對其具有的輪廓展開特定的處理。通常將其視為存留灰度變化非常突出的區(qū)域，針對此類圖像而言，其一般選擇差分運算的方式。邊緣信息包含像素的坐標和邊緣的方向兩個方面。邊緣檢測的核心理念是應(yīng)用邊緣增強算子，從而著重體現(xiàn)圖像所涵蓋的局部邊緣，在這之后界定“邊緣強度”，通過對閾值的設(shè)定可獲取邊緣點集。因為涵蓋一定的噪聲，獲取的邊界在某些情況下會在某些位置出現(xiàn)間斷。所以，通常會消除填補邊界間斷點，并將這些邊緣連接成完整的線。

4）開運算

數(shù)學形態(tài)學客觀上通過形態(tài)學的代數(shù)運算子構(gòu)成，腐蝕能夠去除相對較小的噪聲區(qū)域，膨脹能夠很大程度上對空洞部分進行填補。對某個圖像先展開腐蝕運算，然后進行膨脹，這個過程命名為開運算。一般而言，在包含噪聲的圖像通過閾值展開二值化處理之后，其獲取的邊界平滑性較低，通過開運算可以提高邊界的平滑性。

5）中值濾波

濾波去噪是一類圖像預(yù)處理中比較實用的技術(shù)手段，而其中比較具有代表性的是中值濾波方法，對噪聲點能夠體現(xiàn)非常理想的處理效果。這種方法的核心原理是將數(shù)字圖像中的值通過鄰域所涵蓋的中值進行替換，從而將附近的像素值靠近真實值，以此有效地減少一部分孤立的噪聲點，另外，它能夠把像素按照像素值根據(jù)一定的規(guī)則進行排序，從而獲得單調(diào)變化的二維數(shù)據(jù)序列。

針對提出的基于計算機視覺的無人直升機著艦標志識別技術(shù)，由于目前難以得到艦艇環(huán)境的視覺圖像，在不同背景條件下對著艦標志進行拍攝來模擬不同環(huán)境以驗證算法的效果，圖片樣式如圖2 所示。

圖2 擁有不同背景與變換的著艦標志

先對其展開標準化的預(yù)處理，利用采集到的圖片作為分析的實例，利用matlab 依次進行灰度化、二值化、邊緣提取、剔除和邊緣相連像素、開運算、填充運算、中值濾波、噪聲濾除等相關(guān)操作進行預(yù)處理，每一步操作后的圖片輸出得到如下頁圖3 所示的預(yù)處理結(jié)果。

經(jīng)過逐步輸出可以看出，由于著艦標志本身存在比較強烈的黑白對比，經(jīng)過灰度化和二值化可以將不同光照條件下顏色有所不同的著艦標志轉(zhuǎn)換為對比分明的黑白標志，經(jīng)過邊緣提取、邊緣平滑、開運算等步驟之后，能夠?qū)⒋蠖鄶?shù)環(huán)境因素濾除掉，經(jīng)過填充運算可以將標志中間圓環(huán)和四周的方塊邊框進行填充，此時著艦標志中間的H 已經(jīng)被掩蓋但著艦標志仍舊能夠明顯地表現(xiàn)出來，最后經(jīng)過中值濾波等操作再次將雜波濾除，完成預(yù)處理。經(jīng)過對不同背景照片的仿真，可以發(fā)現(xiàn)通過以上步驟能夠得到比較顯著的著艦標志，為下一步幾何不變矩的分塊對比打下良好的基礎(chǔ)。

圖3 測試圖片預(yù)處理逐步結(jié)果輸出

2.2 對比實驗

完成預(yù)處理后，即對著艦標志進行匹配，選取合適的步長，對測試圖像進行分塊對比，每個模塊與著艦標志模板的七階Hu 矩計算距離并比較得出距離最小的模塊，以此模塊作為最終匹配得到的模塊，并最終將匹配的模塊以藍色方框圈出，可得如圖4 所示仿真輸出。

圖4 基于Hu 矩分塊匹配的著艦標志識別效果

與此同時，采用文獻［1-2］中所提出的先通過顏色特征對圖片進行分割而后進行基于Hu 不變矩的匹配，采用文獻［6-7］所提出的基于角點匹配的方法，仿真結(jié)果如圖5 所示。

圖5 基于參考文獻［1-2］與文獻［6-7］所提算法的識別

圖5（a）為基于顏色特征對圖片進行分割而后采用Hu 不變矩對圖片進行識別，圖5（b）為基于角點提取與匹配的識別。

分別對不同背景下的著艦標志進行識別，得到的結(jié)果如圖6 所示：

圖6 3 種方法識別效果對比

2.3 結(jié)果分析

針對使用不同方法進行的仿真，通過計算匹配框與標志中心的距離作為識別準確率的判別標準進行效果對比，對具有不同背景特征的10 幅圖片進行了仿真實驗，數(shù)據(jù)如表1 所示。

表1 3 種方法識別誤差對比

繪制折線對比圖如圖7 所示。

圖7 方法誤差對比圖

由數(shù)據(jù)對比以及折線圖分析得出，先通過顏色特征對圖片進行分割而后用Hu 不變矩進行識別的方法，文獻［1-2］中采用了大紅色的標志，放到簡單環(huán)境中對其進行提取，可以較好地選擇閾值進行濾波、提取與匹配，而當采用黑白相間的標志放到復雜環(huán)境下即無法通過顏色特征進行分割，效果較差?；诮屈c提取與匹配方法的識別率不穩(wěn)定且識別的準確性多數(shù)情況低于基于分塊匹配的Hu 矩匹配識別方法。

對于基于分塊匹配的Hu 矩匹配識別方法，當距離較遠時對著艦標志可以較好地識別，但是仍有輕微的誤差，隨著距離的逐漸接近，識別的精度也不斷增加，當視覺傳感器距離著艦標志距離較近時對著艦標志定位的精度可以達到著艦要求。

3 結(jié)論

本文針對視覺傳感器對著艦標志識別定位的問題，總結(jié)了目前比較成熟的方法，綜合已有的技術(shù)，通過仿真復現(xiàn)的結(jié)果分析各自的優(yōu)缺點，并改進了基于Hu 矩的識別方法。在進行實驗的過程中，通過不變矩理論獲取著艦標志及測試圖像的7 個Hu 不變矩特征向量，并進行比較和迭代，得到最優(yōu)區(qū)域。在這過程中，應(yīng)用Matlab 對特征圖案展開匹配識別并與同類方法進行對比。最終的結(jié)果表明，對于復雜環(huán)境下一般特征的著艦標志進行識別，基于分塊匹配的Hu 不變矩效果優(yōu)于同類算法。為后續(xù)無人直升機自主著艦的研究打下堅實的基礎(chǔ)。但是，由于仿真計算機性能的限制還不能滿足無人直升機識別著艦標志過程中對實時性的要求，而且在距離比較遠的時候偏差相對較大。所以，后續(xù)將重點針對時間優(yōu)化問題以及遠距離識別精度的問題展開研究，以獲得更好的識別效果。