基于非合作目标图像的飞行器相对位姿测量算法研究

For image-guided aircraft, non-cooperative targets have two characteristics, the one is those targes will greatly reduce the ability of target recognition of image-guided aircraft in complex background interference; the other is escape maneuver of the aircraft will reduce the accuracy of guidance. For modern guidance law, the introduction of the relative position of the missile can greatly improve the guidance accuracy, however, image guidance is unable to obtain the relative position of the missile information. The innovative point of this project is to solve these two problems by means of the light field imaging technique: (1) Light field imaging technology can make full use of the distance between the target and the background, and form different gray scale images. Then using the law of gray value change, the target recognition algorithm can be designed to improve the target recognition ability in complex background. (2) The depth images which are acquired based on the light field imaging contain both of the position information and the direction information. Acccording to the distance measurement principle of light field imaging, the relative distance and velocity measurement algorithm can be designed to gain the relative position information. For modern aircraft guidance law, the addition of the relative position imformation can greatly increase the guidance accuracy.

对图像制导飞行器来说，非合作目标有两个特点，一是在复杂背景干扰下，会极大地降低图像制导飞行器目标识别的能力；二是目标通过逃逸机动会降低飞行器的制导精度，现代制导律引入弹目相对位置信息后，可以极大提高制导精度，而图像制导是无法获取弹目相对位置信息的。本项目的创新点就是通过光场成像技术同时解决这两个难题：(1)光场成像技术可以充分利用目标和背景在距离上的差异，形成不同灰度值的图像。通过目标识别算法设计，利用这种灰度值变化规律，可以提高复杂背景下的目标识别能力。(2)基于光场成像获取的深度图像同时具有位置信息和方向信息，同时利用位置信息和方向信息，通过光场成像的测距原理，设计弹目相对距离和相对速度测量算法，可以获得弹目相对位置信息，现代飞行器制导律引入弹目相对位置信息可以极大地提升制导精度。

图像制导作为当前主要的精确制导方式之一，具有隐蔽性好、抗干扰能力强等优点。然而在图像制导过程中导引头无法通过图像获取目标距离信息，这就限制了应用先进制导律来提高制导精度，同时在复杂背景条件下难以对目标进行有效识别，对制导过程会产生很大影响，这些制约因素均限制了图像制导性能的进一步提高。.光场成像作为一种特殊的图像记录方式，通过四维信息的获取实现对光线的角度分辨和空间分辨，利用这种特性可以对目标距离进行测量，并且能够增强复杂背景下目标识别的能力，对于图像制导的进一步发展具有重要意义，因此针对这些方面进行了相关的研究工作，主要分为以下几个部分：.（1）针对当前图像制导过程中难以利用深度图像进行目标识别的问题，基于光场成像的基本原理，通过分析光场结构推导出包含距离系数的重聚焦公式，使图像重新聚焦至不同深度；设计了一种基于BP神经网络的聚焦评价模型来获取清晰度最佳的聚焦系数，采用人员评分数据集对网络结构进行训练，以此来实现客观评价与主观评价的结合，提高清晰度评价结果的准确性和可信性。.（2）针对复杂背景条件下导引头难以识别目标的问题，对图像制导中常用的边缘识别方法进行改进，首先通过几何模型分析出光场角度域与空间域的边缘方向一致，利用空间边缘将角度区域划分为有效区域和干扰区域两部分，之后在有效区域内根据相关性原理获取初始深度图像，最后采用马尔科夫随机场对初始深度图像进行了优化，使图像质量进一步增强，有效实现了目标和复杂背景的分离。.（3）针对图像制导对目标距离信息的需求，将光场成像与立体视觉相结合进行距离测量，首先通过光场数据提取出子孔径图像，之后对子孔径图像进行标定、校正、匹配和三维转换，实现距离信息和姿态信息的准确获取，最后分别采用双线性插值算法和半全局匹配算法对原始方法进行改进，结果表明两种方法均能有效提高距离测量精度。