曝光臺 注意防騙 網(wǎng)曝天貓店富美金盛家居專營店坑蒙拐騙欺詐消費(fèi)者

輸出到計(jì)算機(jī)上,利用飛鳥目標(biāo)識別算法進(jìn)行
實(shí)時(shí)處理,生成便于觀測的融合圖像,同時(shí)將數(shù)
據(jù)保存起來,以便深入研究,系統(tǒng)結(jié)構(gòu)如圖1 ( b)
所示。
212 　系統(tǒng)探測性能分析
機(jī)場雷達(dá)探鳥系統(tǒng)對風(fēng)險(xiǎn)系數(shù)不同的小、中、
大型鳥和鳥群的探測距離是機(jī)場鳥情觀測人
1313
　　航　空　學(xué)　報(bào)第30 卷
圖1 　雷達(dá)探鳥實(shí)驗(yàn)系統(tǒng)
Fig11 　Avian radar experimental system
　　
員非常關(guān)心的問題。已知雷達(dá)探鳥實(shí)驗(yàn)系統(tǒng)配
備的海事雷達(dá)可以探測到251 0 n mile 距離上的
RCS 為1 m2 的漁船,由雷達(dá)方程(雷達(dá)最大作
用距離的4 次冪與所探測目標(biāo)的RCS 成正比)
可知,一個(gè)能在2510 n mile 的距離探測RCS 為
1 m2的目標(biāo)(鳥群) 的雷達(dá)同樣能在719 n mile 的
距離上探測到100 cm2 的目標(biāo)(一只大鳥) , 在
616 n mile 的距離上探測到50 cm2 的目標(biāo)(一只
中鳥) ,在317 n mile 的距離上探測到5 cm2 的目
標(biāo)(一只小鳥) 。
213 　飛鳥目標(biāo)識別算法
飛鳥目標(biāo)識別算法是雷達(dá)探鳥實(shí)驗(yàn)系統(tǒng)的技
術(shù)核心,包括背景差分、噪聲抑制、目標(biāo)信息提取
和坐標(biāo)融合4 個(gè)部分,如圖2 所示。
背景差分是飛鳥目標(biāo)識別的第一步,即從探
鳥雷達(dá)圖像中減去背景信息,因此構(gòu)造一個(gè)純凈
的背景成為問題的關(guān)鍵。平均值法是最為簡單實(shí)
用的背景圖像提取方法,該算法采用了一種新穎
的主成分分析( Principal Component Analysis ,
PCA) 方法構(gòu)造背景圖像,每幅雷達(dá)圖像都包含背
景和運(yùn)動目標(biāo)(飛鳥) ,因此背景可視為最大的主
成分[ 9 ] 。PCA 方法構(gòu)造背景圖像效率相對較低,
圖2 　飛鳥目標(biāo)識別算法流程圖
Fig12 　Algorithm diagram for flying bird target detection
　　
考慮到背景圖像隨時(shí)間存在細(xì)微變化,因此在工
程應(yīng)用中,往往每隔一定時(shí)間就采用平均值法構(gòu)
造一次背景信息,即將前若干幀圖像疊加取平均
值,獲得實(shí)時(shí)的背景圖像。
經(jīng)過背景差分的雷達(dá)圖像仍包含以邊緣雜波
為主的大量噪聲,有必要通過中值濾波、閾值分割
和形態(tài)學(xué)處理進(jìn)行噪聲抑制。邊緣雜波通常為互
不連通的區(qū)域,通過中值濾波可以降低其灰度值,
擴(kuò)大雜波與目標(biāo)之間的灰度區(qū)別,為閾值分割創(chuàng)
造條件。閾值的選擇是分割的關(guān)鍵,如果閾值設(shè)
定過高,就會漏掉許多小目標(biāo);相反,如果閾值設(shè)
定過低,系統(tǒng)就會受到雜波的干擾而產(chǎn)生大量“虛
警”。當(dāng)前的系統(tǒng)有固定閾值和自適應(yīng)閾值兩種
選擇方法[ 10 ] 。前者一般是根據(jù)經(jīng)驗(yàn)為雷達(dá)圖像
選擇一個(gè)固定的全局閾值,該方法效率很高,但不
能隨圖像的變化而進(jìn)行動態(tài)調(diào)整,因而具有一定
的局限性。后者分別處理雷達(dá)圖像的不同區(qū)域,
根據(jù)其灰度分布自適應(yīng)地選擇閾值,該方法可以
隨圖像中雜波灰度的變化而對閾值進(jìn)行動態(tài)調(diào)
整,具有“恒虛警”的特點(diǎn)。
基于非線性算子的形態(tài)學(xué),是一種相對獨(dú)立
的圖像分析方法,對于PPI 圖像,它較之常規(guī)算
法運(yùn)算速度更快且去噪效果更好。因此,經(jīng)過閾
值分割的圖像采用形態(tài)學(xué)進(jìn)行噪聲抑制,去除那
些像素過少的目標(biāo)。膨脹和腐蝕是形態(tài)學(xué)的基本
操作。膨脹是一種擴(kuò)展的變換,增大原物體的面
積,填充物體間小的孔洞和溝壑。A 被B 膨脹,
可定義為
1314
　第7 期陳唯實(shí)等:基于鳥類目標(biāo)散射特性分析的雷達(dá)探鳥實(shí)驗(yàn)　
A Ý B = { z | (B ^ ) z ∩A ≠ Á} (2)
腐蝕是一種反擴(kuò)展變換,壓縮物體并將有細(xì)
微聯(lián)系的物體分離。A 被B 腐蝕,可定義為
AΘB = { z | ( B) z ∩Ac ≠ Á} (3)
在實(shí)際的圖像處理過程中,膨脹和腐蝕經(jīng)常結(jié)合
使用。一幅圖像往往經(jīng)過一系列的膨脹與腐蝕處
理,采用相同或不同的結(jié)構(gòu)單元[11 ] 。膨脹和腐蝕
并不是互逆的操作,先腐蝕后膨脹的結(jié)果不是保
持原狀,而是消除像素很少的區(qū)域,同時(shí)使像素較
多的連通區(qū)域面積保持不變。
經(jīng)過背景差分和噪聲抑制的探鳥雷達(dá)PPI
圖像中,相互聯(lián)結(jié)的高亮區(qū)域的集合構(gòu)成一個(gè)限
于當(dāng)前分辨能力的飛鳥目標(biāo)。通過區(qū)域標(biāo)記和區(qū)
域面積測量[12 ] ,提取出目標(biāo)中心坐標(biāo)和大小等信
息。在區(qū)域標(biāo)記過程中,由于所處理的PPI 圖像
是二值的,所以處理后每個(gè)像素的值即為其所處
理的區(qū)域標(biāo)號(1 ,2 ,3 , ⋯) ,采用8 連通判別算
法,標(biāo)識所有不連通的目標(biāo)區(qū)域。在區(qū)域標(biāo)記
的基礎(chǔ)上,通過對雷達(dá)圖像中各種不同標(biāo)號的
像素區(qū)域進(jìn)行操作,統(tǒng)計(jì)出所有目標(biāo)區(qū)域的像
素?cái)?shù)n 和中心坐標(biāo)( x0 , y0 ) 。PPI 圖像中心定義
為坐標(biāo)原點(diǎn), x 軸水平向右, y 軸垂直向上。中
心坐標(biāo)為
x0 = C Σ ( x , y) ∈S
　x/ n
y0 = C Σ ( x , y) ∈S
　y/ n
(4)
式中: S 為單一目標(biāo)連通區(qū)域; C 為量程系數(shù),反
映選擇不同量程時(shí)每個(gè)像素代表的實(shí)際距離。
按照通常的習(xí)慣,可以將直角坐標(biāo)轉(zhuǎn)化為極
坐標(biāo),并將其與人工繪制的坐標(biāo)系相融合,圖像中
心定義為極點(diǎn),極軸水平向右,取逆時(shí)針為正方
向,方便觀測人員讀取。
3 　雷達(dá)探鳥實(shí)測結(jié)果與分析
2007 年春秋兩季(候鳥遷徙高峰期) ,基于雷
達(dá)探鳥實(shí)驗(yàn)系統(tǒng)于北京市沙河水庫北岸進(jìn)行了多
次外場實(shí)驗(yàn)。利用實(shí)驗(yàn)采集的探鳥雷達(dá)PPI 圖
像序列,提取出飛鳥目標(biāo)軌跡與飛鳥目標(biāo)信息,從
而驗(yàn)證了該系統(tǒng)探鳥的可行性。
311 　飛鳥目標(biāo)軌跡提取
圖3 (a) 為某日清晨采集的一組探鳥雷達(dá)PPI
圖像序列中的一幀(量程為015 n mile) ,當(dāng)時(shí)鳥
類不活躍,只有零星小型水禽(RCS < 50 cm2 ) 活
動。圖像上方的大塊黑色區(qū)域?yàn)樗��?飛鳥目標(biāo)
呈現(xiàn)出若干明亮像素組成的連通區(qū)域(亮斑) ;其
余的大量雜波由水庫附近的建筑物、樹林和農(nóng)田
產(chǎn)生,屬于背景信息。由于飛鳥目標(biāo)的回波相對
較弱,其亮斑的灰度級一般等于甚至略低于背景
　
中國航空網(wǎng) m.k6050.com
航空翻譯 www.aviation.cn
本文鏈接地址：鳥擊資料2(107)