基于遗传算法的光学相关目标识别与跟踪系统

1.基于遗传算法的光学相关目标识别与跟踪系统，其特征在于利用遗传算法控制位置/角度控制器，使得作用于位置/角度控制器上的位置控制电压信息和角度控制电压信息的系统评价函数取得全局极值，整个系统由目标图像获取相机(1)，嵌入式处理器(2)，光学相关运算系统(3)，位置/角度控制器组成，其中光学相关运算系统(3)包括：空间光调制器(4)，波片(5)，偏振分光镜(6)，傅里叶透镜(7)，反射镜(8)，光电探测器(9)，激光光源(10)；
该系统识别与跟踪的步骤为：
①系统初始化，对目标进行粗跟踪，使得目标出现在视场内；
②光学相关运算系统根据目标图像获取相机获取的图像和系统存有的目标模板图像进行相关运算，运算结果以一定的光强图样分布辐照在光电探测器所在的平面上；
③光电探测器(9)将得到的信息传至嵌入式处理器(2)；
④在嵌入式处理器(2)上执行遗传算法，经过运算后将控制电压信息传至位置/角度控制器；
⑤系统重复执行上述步骤②③④，嵌入式处理器(2)产生的控制电压信息将恒定不变，表明此时系统已经实现了对目标的精准跟踪。

基于遗传算法的光学相关目标识别与跟踪系统\n技术领域\n[0001] 本发明涉及一种目标识别与跟踪系统，特别是一种利用遗传算法进行目标位置全维信息解算的识别与跟踪系统。\n背景技术\n[0002] 利用光学相关技术进行目标识别是近年来光电子领域的研究热点，与传统的数字识别技术相比，光学相关运算具有计算速度快、带宽高、可扩展性强、体积紧凑等优点，可广泛用于导弹末端制导、航天器对接、飞行器盲降、身份安全等领域，具有极为广阔的军用和民用前景。目前国内外多家研究机构都开展了光学相关目标识别技术的研究，如参考文献\n1(吴伟等，光学相关识别在飞行器精确定点着陆中的应用，光电子.激光，2008年第12期)提出将光学相关识别应用于着陆点的选择中，以解决飞行器精确定点着陆问题；文献2(余波等，基于人工神经网络的多路光学相关器相关峰的实时识别，红外与毫米波学报，1997年第1期)提出根据多路光学相关器相关面输出图像识别目标的方法。研究人员还对光学相关目标识别系统进行了紧凑化设计(刘文耀等，集成化光学相关器及匹配滤波器的优化设计，光学学报，2000年12期)，并提出利用各种辅助手段解决复杂背景、低对比度目标的识别问题(王冕等，小波变换在光学相关目标识别中的应用，兵工学报，2006年第5期)。上述报道虽已对光学相关识别进行了较为深入的研究，并能够在低信噪比、复杂背景条件下较为准确地识别目标，但对于导弹末制导、航天器对接等应用领域，仅进行目标识别是远远不够的。高精度的目标跟踪，即如何从光学相关识别的结果中对目标的位置信息进行精确的全维解算，也是整个系统闭环稳定运行的关键。以往公开发表的文献和报告中大多是对光学相关运算得到的相关峰图像进行数字图像处理，从相关峰图像中提取相关峰的坐标(提取坐标的精度很大程度上决定了最终位置计算精度)，进而直接反演出目标的位置信息。但这个过程易受背景杂光、探测器噪声及载体的运动影响，使得精度和抗干扰能力下降，且目前图像的获取与处理仍然受限于硬件发展水平，光学相关运算的速度优势无法发挥。因此，传统方法存在诸多不足，限制了其精度、速度和抗干扰性能。\n[0003] 光学相关运算原理(宋菲君，S.Jutanmulia.近代光学信息处理 ，北京大学出版社，1998年(第一版)，pp78-90)如图1所示。目标图像f(x，y)和参考图像g(x，y)并排显示在输入面P0上，两图分别位于(0，a)，(0，-a)处，由准直激光束读出，经过傅里叶透镜L1，在L1后焦面P1上形成输入图像的联合傅里叶变换谱，在P1面转换为功率谱后，由另一束准直激光束经过分光镜(B.S)读出，经过傅里叶透镜L2，在L2焦平面P2上形成相关输出\n0。相关输出的表达式为：\n[0004] O＝O1+O2+O3+O4 (1)\n[0005] 其中：\n[0006] O1(ε，η)＝∫∫f(α，β)f*(α-ε，β-η)dαdβ (2)\n[0007] 为f(x，y)的自相关，\n[0008] O2(ε，η)＝∫∫f(α，β)g*(α-ε，β-(η+2a))dαdβ (3)\n[0009] 为f(x，y)和g(x，y)的互相关，在η轴上平移-2a，\n[0010] O3(ε，η)＝∫∫f*(α-ε，β-(η-2a))g(α，β)dαdβ (4)\n[0011] 为g(x，y)和f(x，y)的互相关，在η轴上平移2a，\n[0012] O4(ε，η)＝∫∫g(α，β)gW(α-ε，β-η)dαdβ (5)\n[0013] 为g(x，y)的自相关。\n[0014] 根据式(3)，当输入图像与参考图像相同时，O2为自相关信号，因而为点状信号(称为自相关峰)。设目标模板图像为f(x，y)，认为目标处于视场的正中心时实现了系统对目标的跟踪，此时将对目标所成的图像表达式为f(x，y)，两图分别位于(0，a)，(0，-a)处，在透镜L1后焦面得到傅里叶谱为：\n[0015] \n[0016] S(u，v)为联合傅里叶谱，可由傅里叶位移的变换法则改写为\n[0017] \n[0018] 式中：\n[0019] \n[0020] 用平方律探测器测量透镜后焦面的联合傅里叶谱，得到功率谱：\n[0021] \n[0022] 对上述联合功率谱|S(u，v)|2经过透镜L2进行一次傅里叶逆变换，得到：\n[0023] \n[0024] 将(9)式代入(10)式，得到三项：\n[0025] \n[0026] \n[0027] 为f(x，y)的自相关，位于原点；\n[0028] \n[0029] \n[0030] 为f(x，y)的自相关，位于η轴上-2a点；\n[0031] \n[0032] \n[0033] 为f(x，y)的自相关，位于η轴上2a点；\n[0034] 由(4)式及(13)式可知，当实现对目标的理想跟踪时，η轴上-2a和2a点处将出现理想的相关峰信号。整个系统闭环的最终目标就是保持相关峰信号始终稳定地出现在上述两点处。\n发明内容\n[0035] 本发明要解决的技术问题是：克服传统目标识别与跟踪方案的不足，提出一种基于遗传算法的光学相关目标识别与跟踪系统，用一普通光电探测器取代现有系统中的图像获取设备，简化了系统组成，利用遗传算法处理从光学相关运算结果，可以快速获取目标的全维位置信息，无需从相关峰图像中提取相关峰的坐标并进行反解。对系统运行环境和仪器设备没有特殊要求，大大提升了光学相关目标识别与跟踪系统的响应速度和动态范围。\n[0036] 本发明的技术解决方案是：\n[0037] 利用遗传算法控制位置/角度控制器，使得作用于位置/角度控制器上的位置控制电压信息和角度控制电压信息的系统评价函数取得全局极值。整个系统由目标图像获取相机1，嵌入式处理器2，光学相关运算系统3，位置/角度控制器组成。其中光学相关运算系统包括：4-空间光调制器，5-波片，6-偏振分光镜，7-傅里叶透镜，8-反射镜，9-光电探测器，10-激光光源。其中嵌入式处理器2种类可以是FPGA、DSP芯片。光电探测器9放置在傅里叶透镜7后焦面的(2a，0)处，也可以放置在傅里叶透镜7后焦面的(-2a，0)处。激光光源10种类可以是固体激光器、光纤激光器、半导体激光器等一种体积紧凑的激光器。\n[0038] 本发明目标全维位置信息获取过程如下\n[0039] 1、系统初始化，对目标进行粗跟踪，使得目标出现在视场内\n[0040] 2、光学相关运算系统根据目标图像获取相机获取的图像和系统存有的目标模板图像进行相关运算，运算结果以一定的光强图样分布辐照在光电探测器所在的平面上[0041] 3、光电探测器9将得到的信息传至嵌入式处理器2\n[0042] 4、在嵌入式处理器2上执行遗传算法，经过2运算后将控制电压信息传至位置/角度控制器\n[0043] 5、系统重复执行上述步骤2、3、4，嵌入式处理器2产生的控制电压信息将恒定不变，表明此时系统已经实现了对目标的精准跟踪。\n[0044] 嵌入式处理器2上执行遗传算法产生控制电压信息的过程为：\n[0045] 首先产生一个初始种群，种群包含一定数量的位置/角度控制电压个体。每个个体可以用下面的形式表示：\n[0046] Xi＝[V1，V2，…V6] (14)\n[0047] 其中Xi表示种群中一个位置/角度控制电压个体，对应于遗传算法的一个染色体，i表示种群中的数量；Vj(j＝1，2，…6)是实数，表示该控制电压个体对应的位置/角度控制电压的大小，分别对应遗传算法的一个基因。\n[0048] 光电探测器9能够实时测量辐照在其上的激光光强信号，以该光强信号作为系统的评价函数，同时以该函数作为遗传算法要优化的目标函数。位置/角度控制电压个体对应的目标函数值越大，该个体就越可能实现对目标的精准跟踪。计算出一代种群中所有个体对应的目标函数值，选出目标函数最大值对应的个体保留下来，不用参与后期的选择、交叉、变异操作，直接进入到下一代中。选择操作采用轮盘赌的策略，目标函数越大的个体被选择参与后期操作的概率就越大。交叉操作是遗传算法产生新个体的主要方式，它通过对父代的两个个体发生互换部分基因的方式产生新的个体，自适应交叉率为P，P可以用下式表示：\n[0049] \n[0050] (15)式中，Pmax代表最大交叉率，Pmin代表最小交叉率，fmax表示一代种群中的最大目标函数值，fbetter为两个要进行交叉操作的个体对应的目标函数较大值，fave表示一代种群中所有个体的平均目标函数值。K为常数，其取值要保证0＜P＜1。利用这样的自适应交叉方式，在个体进行交叉操作时，种群的最大目标函数值与平均目标函数值之差在一定程度上表示了种群的稳定性。在同一代中对不同的个体赋予不同的P，保护目标函数高的个体，其P值应减小，而目标函数低的个体应增大P值。设两个要交叉的位置/角度控制电压个体分别为V1，V2，采用算术交叉的方式，则两个新的电压个体V1’和V2’由下面等式产生：\n[0051] V1′＝λ1V1+λ2V2\n[0052] (16)\n[0053] V2′＝λ1V2+λ2V1\n[0054] 式中λ1+λ2≤2，λ1＞0，λ2＞0。采用单点交叉非均匀变异的方式产生新的个体：设某一代中要进行变异的个体为Xi＝[V1…Vk…V6]，变异位是Vk，则经过变异后新个体为Xi＝[V1，…，Vk’…，V6]，新基因位Vk’的获得方式为：\n[0055] Vk′＝Vk-Δ(t，Vk-Vk min) (17)\n[0056] Vk min是所有Vk可取的下限值，函数Δ(t，Vk-Vk min)返回一个在区间[0，Vk-Vk min]的值，可以表示为：\na\n[0057] Δ(t，Vk-Vk min)＝(Vk-Vk min)×r(1-t/T) (18)\n[0058] 式中r是[0，1]内的随机数，T是遗传算法迭代次数，t代表算法执行代数，a是权重因子。经过上述目标函数计算、选择、交叉、变异等一系列操作后，遗传算法要判断算法是否收敛。收敛条件可以用下式表示：\n[0059] \n[0060] 式中fave(t+1)是第t代种群的平均目标函数，h为相邻两代种群的平均目标函数之差与前一代种群平均目标函数的比值。如果不满足收敛条件，则进入下一代重复迭代计算，如果满足收敛条件，则结束算法，找到对应于最大目标函数的控制电压个体，该电压个体反映了目标的全维位置信息，将该电压施加在位置/角度控制上即可实现对目标的精确跟踪。\n[0061] 采用本发明可以达到以下技术效果：\n[0062] 用普通光电探测器取代现有系统中的图像获取设备，简化了系统组成，利用遗传算法处理从光学相关运算结果，可以快速获取目标的全维位置信息，无需从相关峰图像中提取相关峰的坐标并进行反解。对系统运行环境和仪器设备没有特殊要求，大大提升了光学相关目标识别与跟踪系统的响应速度和动态范围。\n附图说明\n[0063] 图1为光学相关运算原理图\n[0064] 图2为具体实施方案示意图\n具体实施方式\n[0065] 下面结合附图2对本发明实施方式作详细的说明。但不应因此限制本发明的保护范围。\n[0066] 如图4所示，本发明实施方案包括四部分：目标图像获取相机1、嵌入式处理器2、光学相关运算系统3，位置/角度控制器。其中光学相关运算系统3包括空间光调制器4、波片5、偏振分光镜6、傅里叶透镜7、反射镜8、光电探测器9、激光光源10。首先对目标进行粗跟踪，使得目标出现在视场内，目标图像获取相机开始获取图像；光学相关运算系统根据目标图像获取相机获取的图像和系统存有的目标模板图像进行相关运算，运算结果以一定的光强图样分布辐照在光电探测器所在的平面上；光电探测器9将得到的信息传至嵌入式处理器2；在嵌入式处理器2上执行遗传算法，经过嵌入式处理器2运算后将控制电压信息传至位置/角度控制器；系统重复执行上述步骤2、3、4，嵌入式处理器2产生的控制电压信息将恒定不变，表明此时系统已经实现了对目标的精准跟踪。