高性能彈載圖像融合導(dǎo)引系統(tǒng)若干計算技術(shù)研究.pdf

1、彈載導(dǎo)引系統(tǒng)性能直接影響導(dǎo)彈對活動目標(biāo)攻擊命中的準(zhǔn)確率，為提高導(dǎo)引系統(tǒng)的可靠性和魯棒性，通常采用多模復(fù)合制導(dǎo)方式?；诶走_(dá)的導(dǎo)引系統(tǒng)需向跟蹤目標(biāo)發(fā)射探測信號以鎖定目標(biāo)，容易被跟蹤目標(biāo)發(fā)現(xiàn)從而采用反導(dǎo)對抗等方式干擾制導(dǎo)系統(tǒng)，降低導(dǎo)彈的命中率?；诩t外圖像或基于可見光圖像的制導(dǎo)系統(tǒng)利用目標(biāo)自身的光譜信號，不需向跟蹤目標(biāo)發(fā)射信號，系統(tǒng)隱蔽性好，應(yīng)用越來越廣泛。然而單獨紅外圖像或可見光圖像制導(dǎo)均有各自固有缺陷。紅外圖像在光照度不佳、煙霧遮擋情況

2、下可較好的觀察到熱目標(biāo)，具有全天侯特點，但一般對比度低，圖像缺乏細(xì)節(jié)信息?？梢姽鈭D像對比度和分辨率較高，圖像邊緣紋理等細(xì)節(jié)信息豐富，但易被煙霧和光照度等外部因素的干擾。將熱紅外圖像與可見光圖像融合進行導(dǎo)引，發(fā)揮兩者優(yōu)點，對提高導(dǎo)彈制導(dǎo)性能有至關(guān)重要的意義。
　　兩種圖像融合進行導(dǎo)引，首先要解決的是系統(tǒng)體系結(jié)構(gòu)問題，即如何最大程度的利用兩種圖像的優(yōu)勢；其次，面向?qū)б膱D像融合，主要目的是為了能更好的進行目標(biāo)識別，這使得其評價方式與融

3、合方式也與普通的圖像融合有所區(qū)別，現(xiàn)有的評價方法與融合算法難以有效處理；再次，在彈載目標(biāo)圖像跟蹤過程中，存在目標(biāo)遮擋、干擾等不確定情況，系統(tǒng)必須具備抗干擾的模糊處理的能力；此外，圖像處理，尤其是多路圖像即融合又目標(biāo)識別，需要高強度的計算能力，現(xiàn)有基于串行計算的方式難以滿足需求。
　　本文在對彈載圖像融合導(dǎo)引的研究現(xiàn)狀和面臨的挑戰(zhàn)進行深入分析的基礎(chǔ)上，對彈載圖像融合導(dǎo)引系統(tǒng)若干計算技術(shù)進行了深入研究。本文的貢獻(xiàn)主要包括以下方面：

4、r>　　1、針對圖像決策層融合信息損失量大、數(shù)據(jù)層融合信息損失少的特點，設(shè)計并實現(xiàn)了多源圖像雙層多模目標(biāo)跟蹤體系結(jié)構(gòu)。該結(jié)構(gòu)首先將可見光和紅外圖像進行像素級融合，再對三種圖像用多種方式分別進行目標(biāo)識別，最后將多個識別結(jié)果進行決策層融合，以克服單幅圖像、單種識別跟蹤模式的不足，提高目標(biāo)識別跟蹤的魯棒性。針對系統(tǒng)需要高性能計算的特點，采用嵌入CPU/GPU異構(gòu)并行計算架構(gòu)，設(shè)計了基于高性能低功能SoC芯片（集CPU、GPU于一體）的硬件系統(tǒng)

5、結(jié)構(gòu)和易于擴展維護的多層軟件體系結(jié)構(gòu)。
　　2、傳統(tǒng)的像素級圖像融合方法及評價方法不太適合基于目標(biāo)分割識別的彈載導(dǎo)引應(yīng)用，為此，提出了基于直方圖曲線最大方差比的圖像融合評價方法和基于圖像亮度顯著特征的融合算法。直方圖曲線最大方差比定量的衡量了圖像前景、背景是否能更好分割出目標(biāo)的程度，實驗表明，該方法能較好的評價融合后的圖像是否更適合基于目標(biāo)分割識別的彈載導(dǎo)引應(yīng)用?；趫D像亮度顯著特征的融合算法以目標(biāo)亮度特征為主要考量依據(jù)，采用離散

6、小波變換將兩幅圖像進行加權(quán)融合，實驗表明，融合算法適合目標(biāo)分割和識別的應(yīng)用。
　　3、針對彈載目標(biāo)圖像跟蹤過程中存在目標(biāo)遮擋、干擾等不確定情況，引入模糊系統(tǒng)思想，設(shè)計并實現(xiàn)了基于T-S模糊系統(tǒng)的目標(biāo)識別結(jié)果融合算法。該算法對每種圖像分別采用主動輪廓跟蹤法和目標(biāo)區(qū)域跟蹤法進行目標(biāo)識別，然后對每種識別結(jié)果采用H∞濾波器進行濾波，最后采用T-S模糊系統(tǒng)將多種識別結(jié)果進行融合。實驗結(jié)果表明，用H∞濾波和T-S模糊系統(tǒng)數(shù)據(jù)融合可有效的解決單