基于多特征融合分析的羽流煙霧區域識別

孫 美 魏志剛 王長健 朱傳帥 劉科祥 趙 露

(1.西安近代化學研究所，西安 710065； 2.西安電子科技大學，西安 710071)

1 引 言

固體火箭發動機工作時，通過噴管排出大量燃燒和裂解的產物。其中，產生的二次羽流煙霧會在較大空間范圍對光學信號有散射和吸收的作用，影響武器系統的制導，并有可能暴露火箭發射平臺。因此，對發動機羽流煙霧特性的表征、測量和評估是固體推進劑研究工作中的一項重要內容。

室外自由飛行試驗作為一種評估實際工作環境火箭發動機性能的手段，目前，尚沒有一種規范的方法在該環境條件下進行羽流煙霧的定量測量。主要原因在于：傳統方法一般將遠距離遙測作為室外自由飛行試驗的主要測量手段，存在測試費用昂貴，實施難度大，煙霧存續時間和分布受環境因素影響大等原因[1]。通過引入視頻圖像處理技術，限定火箭發動機的飛行軌道，并在預定飛行軌道兩側分別布放背景板和視頻采集裝置。采用視頻成像的方法進行羽流煙霧特征信號的測量，能夠有效模擬實際飛行的工作環境，評估火箭發動機實際工作狀態下的羽流煙霧特性。

本文應用數字圖像處理技術，提取羽流煙霧的多種特征，從背景板中識別、跟蹤羽流煙霧區域。煙霧區域的特征包括靜態和動態兩種特征，對于單幀煙霧圖像，主要有顏色、紋理、形狀、濃度特征等；對于煙霧圖像序列，主要有煙霧面積增長、運動方向以及擴散速度等特征[2]。使用單一的煙霧特征進行識別僅反映了煙霧的局部區域，難以將目標圖像的煙霧集中區域準確提取。因此，本文提出多特征融合分析的方式，充分利用煙霧的顏色、灰度和擴散運動等特征進行煙霧區域的識別，能夠提高煙霧區域的識別準確度和精度；基于此項技術，對現有羽流煙霧光學透過率計算作了改進，試驗數據更加真實可信。

2 羽流煙霧透過率測試場景分析

設計一種火箭橇飛行測試系統，在飛行定軌兩側放置光學背景板和高速攝像機。其中，光學背景板為黑白等間隔條紋形狀，用于隔絕外場背景干擾及輔助灰度計算；高速攝像機架設于背景板垂線方向，獲取背景板范圍內羽流煙霧的視頻。羽流煙霧視頻采集示意圖如圖1所示。

當火箭發動機經過背景板前方時，其尾部產生的羽流煙霧分布在背景板范圍內，使得背景板的光學特性發生變化。進行處理時，將背景板區域圖像分割為像素大小6×6的塊基元，以塊基元為單位計算羽流煙霧圖像與基準圖像相同位置處的灰度對比度，通過對定標曲線(由經過計量的標準中性衰減片標定得出)的插值計算，得出羽流煙霧在特定波段的光學透過率[3]。對采集的測試視頻進行分幀處理，含羽流煙霧的圖像幀中，羽流煙霧在圖像上的分布情況如圖2所示。

(1)

在計算羽流煙霧光學透過率時，實際羽流煙霧區域的光學透過率煙霧為I區中塊基元計算透過率的統計平均。

(2)

在羽流煙霧光學透過率計算的過程中，應用數字圖像處理技術進行煙霧區域的識別具有極其重要的作用。若不進行煙霧區域的識別，Ⅰ區和Ⅱ區內透過率值的統計平均會使得實際計算的透過率高于真實值，無法表征具體配方固體推進劑在某一環境條件下的光學遮蔽能力。

計算結果列于表2，由表2可知，最大污染指數為2.912，各污染指標污染程度由大到小依次為BOD5、COD、氨氮、SS，SS符合排放標準，氨氮略有超標，各類衛生紙COD、BOD5等標污染指數由高到低依次為低檔衛生紙、高檔衛生紙、中檔衛生紙、報紙.

3 快速提取羽流煙霧的特征

相對于背景板，火箭發動機通過噴管排出的羽流煙霧具有明顯的顏色及灰度特征。當背景板前方存在羽流煙霧時，黑條紋區域與白條紋區域圖像具有不同的響應特性。為了能夠簡化煙霧識別算法的復雜性，快速提取背景板中煙霧的特征，對背景板圖像進行黑白條紋區域的分割，具體流程圖如圖3所示。

3.1 煙霧靜態特征提取

對黑條紋區塊的大量數據進行統計分析，當黑條紋區域存在煙霧時，煙霧與背景板存在明顯灰度差異，利用灰度閾值信息便能夠區分煙霧和背景板區域。

設灰度直方圖分布函數為h(x)，以雙峰法計算得出的閾值m為起點，對右側峰進行積分運算。選取右側峰灰度統計值的90%處作為煙霧區域分割點，計算分割閾值m′，能夠對煙霧進行較好的識別，按公式(3)計算。

(3)

白條紋背景板的灰度特征跟羽流煙霧相似，不能單純依據灰度特征進行煙霧分割。燃燒物質的成分和濃度往往直接決定了燃燒生成煙霧的顏色信息。因此，可以從色彩空間提取煙霧特征。在HSV顏色空間中包括色調、飽和度和亮度三種圖像信息，色調H和飽和度S分別表示了顏色的類別和深淺程度，它們跟圖像的亮度信息相互獨立，在HSV顏色空間分析圖像便于進行煙霧顏色特征的提取[4]。

在白條紋區域，存在的煙霧亮度大，色彩分布均勻；背景板的不同顏色分量之間具有明顯差別。因此，可以利用不同色彩通道之間的差異來分割煙霧跟背景。綜合RGB和HSV色彩空間的信息來作為煙霧區域的判斷依據，能夠將煙霧區域進行有效的提取[5]。

在RGB顏色空間中，若各分量之間滿足公式(4)，則可以作為煙霧區域的判斷依據之一。

0≤α=max(|R-G|,|G-B|,|B-R|)≤10

(4)

(5)

結合公式(4)、(5)兩個條件，從RGB和HSV顏色空間綜合處理，便能夠有效的將煙霧從背景中分割。

3.2 煙霧動態特征提取

火箭發動機飛行狀態下產生的二次煙霧具有在短時間內大量生成、較大的初始動量以及分布范圍隨時間不斷擴散等特性。在擴散過程中，煙霧區域邊界的濃度逐漸變淡，在空間上呈分散狀態，靜態特征只能對煙霧的集中區域進行較為明顯的識別。為了使煙霧識別具有更強的適應性和準確性，需要進行煙霧擴散區域的識別。

在視頻圖像序列中，羽流煙霧的擴散表現為相鄰幀煙霧邊界的擴張與模糊化，且背景板圖像固定，圖像中的運動目標只有羽流煙霧區域。因此，采用幀間差分法就能有效的對煙霧擴散邊界進行提取，修正靜態特征識別造成的漏判[6]，按公式(6)計算。

(6)

式中：gi(x,y)、gi-1(x,y)——分別為濾波、灰度化處理后的第i幀與第i-1幀圖像;Δσ——系統背景噪聲;Ii(x,y)——幀間差分計算得出的煙霧擴散邊界二值圖。

將系統背景噪聲Δσ作為幀間差分的判別閾值，能夠有效地去除噪聲干擾，正確提取擴散的煙霧邊界。將其與靜態特征識別的煙霧區域進行綜合，可以有效表征羽流煙霧在圖像幀中的位置。

4 煙霧視頻處理結果與分析

依據本文采用的多特征融合分析算法，在Windows操作系統上使用C++程序開發平臺Visual Studio 2010和圖像處理庫OpenCV實現了羽流煙霧處理分析軟件的編寫。使用標準Φ50發動機進行某固體推進劑的測試實驗，對高速攝像機采集到羽流煙霧視頻進行處理，得到了如圖4所示軟件處理的各階段圖像。

從軟件處理的各階段圖像可知，根據羽流煙霧的靜態特征進行識別，能夠較好表征煙霧的集中區域，但在其邊界存在的擴散煙霧區沒有識別成功；通過結合幀間差分法對其動態特征進行識別，能夠有效的表征整幅圖像幀中的羽流煙霧區域。

背景板的實際面積大小為15.12m2，通過軟件識別羽流煙霧區域的范圍，可以近似用煙霧區跟背景板的尺寸比率估計煙霧區面積，從而獲取了描述煙霧區域大小的參數。

為了驗證室外條件下視頻圖像法測量固體推進劑光學透過率的有效性，在外界光照強度穩定的情況下，使用標準含鋁推進劑進行了多次驗證測試實驗。在剔除掉極大無關點的測試數據后，計算測試透過率的均值，并與相同配方的標準含鋁推進劑室內煙箱法的透過率測試數據進行對比，分析不同測試方法之間的透過率測量值的差異以及產生測量偏差的原因。煙箱法是將固定劑量的固體推進劑放置在密閉燃燒室中點火發煙，使用安裝在燃燒室壁上的光束發射裝置發射某一波段的光輻射，讓其穿過煙霧區域，通過與發射裝置準直的光束接收裝置采集經過煙霧區衰減后的光輻射，然后計算得出煙霧的光學衰減特性。

煙箱法對煙霧形成了確定的空間約束，采用穩定的點光源進行測試，具有測試數據規范、重現率好的優點，被廣泛應用于推進劑配方研制過程中的光學特性測量。

對視頻圖像法與煙箱法在相同配方推進劑的測試進行數據對比，能夠有效驗證視頻圖像法測試的準確度。表1為視頻圖像法采用煙霧區域識別、無煙霧識別以及煙箱法的測試數據對照表。

表1 不同方法的透過率測試數據Table 1 Transmission test data of different methods

從表1中的數據可知，無煙霧區域識別算法的外場視頻圖像法計算得出的透過率數據與煙箱法的數據偏差較大；使用本文提出的羽流煙霧識別算法進行透過率值計算后，外場視頻圖像法與煙箱法的測量值偏差小于8%，測試結果的偏差處于實驗允許范圍內。由于煙箱法跟外場視頻圖像法是在不同試驗環境中且使用不同測試方法獲取的數據，煙箱法測試無外界環境干擾、采用點對點的測量方式；外場視頻圖像法位于室外陽光照射的強干擾環境、采用圖像法的面陣測量方式。故兩者之間存在測試偏差屬于必然結果，分別代表了在不同環境下相同波段的透過率測量值。

選取某次外場測試實驗中煙霧經過靶板前方的若干圖像幀，通過軟件計算得出采用煙霧識別的算法及無煙霧識別的原始計算方法的單幀透過率值、煙霧區域占比等參數，分析煙霧識別算法對室外環境條件下進行煙霧光學特性測試的實際意義。單幀煙霧特性測量數據如表2所示。

表2 單幀煙霧特性測量數據Table 2 Measurement data of smoke characteristic on single frame

由表2可以看出，在煙霧區域濃度較為集中的前三幀中，羽流煙霧對背景板具有較強的遮蔽能力，相應的透過率較低；隨著煙霧的逐漸擴散，羽流煙霧對背景板的遮蔽能力降低，對應的透過率逐漸變大。原始計算方法采用整個背景板作為計算邊界，在煙霧沒有完全覆蓋靶板區域的圖像幀中，計算取得的透過率值誤差較大，不能夠表征羽流煙霧的真實透過率，且煙霧區域相對于背景板占比越小，計算誤差越明顯，這是由于其將整個背景板中的有煙區域和無煙背景區域進行統計平均造成的。引入數字圖像處理技術對煙霧區域進行識別，從整幅圖像中分割出有煙區域與無煙區域，剔除掉無煙區域的干擾，僅計算有煙區的光學透過率作為系統輸出，由此測試的結果更接近羽流煙霧真實情況。從表中數據可知，進行煙霧識別后，計算結果能夠近似反映羽流煙霧的實際變化規律，且數據較為穩定、集中，從而達到較為準確的表征羽流煙霧光學特性的目的。

5 結束語

為了對火箭發動機產生的羽流煙霧進行準確的光學特征信號的測量，本文從煙霧圖像序列的靜態和動態兩個方面提取了煙霧灰度、色彩空間的特征和煙霧區域擴散過程中的運動特征，提出了基于多特征融合的羽流煙霧區域識別算法。使用該方法對羽流煙霧進行識別，限定了計算光學透過率的區域，避免了圖像全局計算導致的誤差。對大量煙霧圖像進行了處理，取得了較好的識別效果，提高了煙霧光透過率測量的準確度。

[1] 莫紅軍，王寧飛. 固體火箭發動機羽煙特征信號的分類及測試評估概述[J]. 固體火箭技術,2004,27(3): 229～232.

[2] 孫建坤，楊若瑜. 基于顏色直方圖和小波變換的視頻煙霧檢測[J].計算機科學,2014,41(12):251～254.

[3] 王長健，孫美，魏志剛等. 基于視頻圖像分析的推進劑羽流煙霧透過率測量技術[J].火炸藥學報,2016,39(05):79～83.

[4] 岡薩雷斯，伍茲，艾丁斯. 數字圖像處理MATLAB版第二版[M]. 北京:電子工業出版社,2014.

[5] 于海晶. 基于分形理論的彩色煙霧圖像識別[D].中國科學院研究生院(長春光學精密機械與物理研究所),2012.

[6] 楊高波，杜青松等. MATLAB圖像/視頻處理應用及實例[M]. 北京:電子工業出版社,2010.