郭振鐸1，郭炳2

　　（1.中原工學院，河南 鄭州 450007；2.中國電子科技集團公司第二十七研究所，河南 鄭州 450047）

     摘要：首先介紹了精跟瞄探測器的原理與組成，然后重點介紹了精跟瞄探測器的處理算法。最后對精跟瞄處理算法進行了驗證，證明采用這種算法處理跟瞄精度能夠達到空間光通信的要求。

　　關鍵詞：跟瞄精度； 精跟瞄探測器； 投影算法； 像元細分； 曲面擬合

0引言

　　空間衛星激光通信的前提是衛星激光鏈路的建立,星間鏈路的建立需要經過捕獲、跟蹤、瞄準(Acquisition , Tracking, Pointing, ATP) 來實現［1］。ATP系統的跟瞄部分由粗跟瞄探測器和精跟瞄探測器兩部分組成，粗跟瞄探測器負責提取出目標的大概位置信息，并把該信息傳送給精跟瞄探測器進行處理，由精跟瞄探測器完成對目標信息的精確提取和準確定位，因此整個空間光通信的跟瞄精度最終由精跟瞄探測器決定。

　　空間衛星激光通信距離遙遠，對跟瞄精度的要求極高，一般要達到幾十微弧度甚至幾個微弧度。要建立穩定而有效的通信鏈路，必須設計一個高帶寬、高精度的精跟瞄探測器，這是空間光通信技術的關鍵所在［2］。

1精跟瞄探測原理與組成

　　1.1精跟瞄探測器的原理

　　粗跟瞄探測器提取目標位置信息后傳輸給二維萬向伺服轉臺，電機驅動伺服轉臺轉動，使精跟瞄攝像機對準到激光信標光位置。精跟瞄處理器進行目標信息的采集處理及目標位置的精確定位，并將處理結果送操控臺進行顯示和控制，把信標光俯仰方位偏差送伺服轉臺，電機驅動二維萬向伺服轉臺精確微調轉動，使得精跟瞄攝像機能夠更進一步對激光信標光進行精確瞄準，通信光束進一步準直，從而建立穩定而有效的通信鏈路，然后才能在其相互之間進行激光通信。

　　1.2精跟瞄探測器的組成

　　精跟瞄探測器由精跟瞄攝像機和精跟瞄處理器兩部分組成，安裝在二維萬向伺服轉臺上。

　　1.2.1精跟瞄攝像機

　　精跟瞄攝像機由光學系統、CCD攝像機及其控制電路三部分組成。光學系統用于防護激光對探測器的損傷，衰減過強的信標光與背景光。由于精跟瞄探測器對靈敏度和跟蹤精度要求很高,從而對探測器的分辨率要求也很高。因此CCD攝像機采用camera link接口高幀頻高分辨率的數字攝相機，它具有靈敏度高、信噪比高、譜段寬等優點，能夠實現對圖像的高速精確采集。攝像機控制電路部分用于控制光學系統濾光片與衰減片選擇、CCD攝像機焦距變化與圖像輸出等，為攝像機提供基本的時序與供電。

　　1.2.2精跟瞄處理器

　　精跟瞄處理系統以TI高性能C6000系列DSP芯片和Actel公司APA系列FPGA為核心，實現目標的精確提取與準確定位。

　　根據采集、處理、顯示三部分速度的不同，結合DSP和FPGA的軟硬件資源，FPGA完成數字圖像的采集、濾波等預處理功能后，再把信號導入到DSP片內，提取出圖像中的目標，計算出目標精確的俯仰方位偏差，把采集處理后的圖像和目標俯仰方位偏差等信息送至顯控臺進行實時顯示。把目標俯仰方位偏差等信息分別送給伺服機構和精跟瞄電視攝像機，實現與伺服平臺的通信以及對精跟瞄電視攝像機的各種控制，保證被跟蹤的目標始終處于視場中心，并能夠實時清晰地顯示出來。

　　精跟瞄探測器的硬件結構圖如圖1所示。

2精跟瞄探測算法研究

　　目前提高跟瞄精度最有效的方法就是進行像元細分。像元細分算法精度為0.1~0.5個像素，理想狀況可達0.05個像素甚至更小。國防科大諶廷政等人提出了九點四線曲面擬合的面陣CCD細分方法［3］。北京航空航天大學魏新國等人研究了質心法星體細分定位算法［4］。華中光電所謝倫治等人對目標像點亞像素定位的內插細分算法進行了研究［5］。中科院長春光機所李玉峰等人采用二元線性插值質心算法對星點圖像進行處理，定位精度優于0.05像元［6］。這些算法數據處理量大，很難滿足精跟瞄實時處理要求。

　　根據上述分析，結合精跟瞄探測器對跟瞄精度要求高、采樣頻率和處理的數據流量大的特點，提出精跟瞄整個算法分兩部分來實現：對目標的跟蹤處理采用普通的灰度直方圖投影算法，該算法處理速度快，實時性好，在FPGA中用硬件實現。對目標的精確跟瞄采用九點四線曲面擬合亞像元細分算法，該算法可提高原始圖像目標定位精度，降低圖像灰度的離散度，使得細分后的圖像更接近于原始圖像，能滿足高跟瞄精度的要求，處理工作主要在DSP內部完成。

　　2.1灰度直方圖投影算法

　　灰度直方圖投影算法是將圖像灰度分布特征作為目標估計的基本元素,以圖像行和列為單位對圖像進行灰度累加,灰度累加數據作為特征進行相關運算,一般只能檢測像元級的目標運動量。

　　灰度直方圖投影算法首先將采集的二維圖像信息進行灰度直方圖統計，根據激光信標光的亮度特征計算出圖像分割的合理閾值，防止圖像信息被錯誤分割，根據直方圖統計結果建立判別規則，進行二值化處理，把采集的整幅圖像分割成0和1，分別代表背景和目標信息。

　　圖像分割完成后就開始進行灰度投影處理。假設處理的一幅圖像大小為M×N。灰度投影處理就是將M×N的整幅圖像的二維灰度信息F(i,j)映射成兩個獨立的一維投影序列。具體公式如下：

　　式中i=1,2,3,…M，j=1,2,3,…N，X(i)、Y (j) 分別表示圖像F(i,j)第i行和第j列的灰度投影值。

　　根據上述公式可計算激光信標光的X、Y中心，即目標的中心位置信息。采用同樣的投影處理算法，可得到目標的X、Y方向投影長度，即目標的水平垂直長度。根據上述處理結果，可實現對目標的穩定跟蹤。

　　2.2像元細分算法

　　每個細分亞像元的灰度值主要由水平、垂直和兩個對角線四個方向的灰度變化趨勢綜合決定。利用每個方向上已知的三個以上像元灰度值，可擬合出四條曲線，根據這四條擬合曲線在細分亞像元對應位置上的細分插值，可求出一個能比較真實反映當前點圖像變化情況的灰度值。具體計算方法如下。

　　二細分后，一個像元被細分成四個亞像元，設對應的灰度值函數為：Δ(Δ1,Δ2,Δ3,Δ4)。四個方向擬合曲線上的三個細分插值點位置坐標相同，令四條曲線在三個細分插值點上的插值灰度分別為G1(g1,g2,g3,g4)，G2(g′1,g′2,g′3,g′4)和G3(g″1,g″2,g″3,g″4)則：

　　式中的x1為細分插值點的坐標值。同樣可求出G2(g′1,g′2,g′3,g′4)和G3(g″1,g″2,g″3,g″4)。將四條灰度擬合曲線在細分亞像元處的灰度插值加權求和，得到細分亞像元的灰度值Δ(Δ1,Δ2,Δ3,Δ4)。

　　展開后細分的灰度值如下：

　　△1=q2(a20+a21x1+a22x12)+q3(a30+a31x1+a32x12)+q4(a40+a41x1+a42x21)+q1(a10+a11x2+a12x22)

　　△2=q4(a40+a41x1+a42x21)+q3(a30+a31x2+a32x22)+q1(a10+a11x3+a12x23)+q2(a20+a21x3+a22x32)

　　△3=q1(a10+a11x1+a12x21)+q2(a20+a21x1+a22x12)+q3(a30+a31x2+a32x22)+q4(a40+a41x3+a42x23)

　　△4=q1(a10+a11x2+a12x22)+q2(a20+a21x3+a22x23)+q3(a30+a31x3+a32x23)+q4(a40+a41x3+a42x23)

　　其中，q1、q2、q3和q4分別為曲線1、2、3、4在細分像元處的灰度加權值。利用以上公式即可對面陣CCD圖像進行二細分插值。同理可推導四細分插值和八細分插值公式。該方法編程容易，計算簡便，圖像處理速度快，可用于準實時處理，且提高了目標圖像的定位精度。九點四線曲面擬合面陣CCD細分新方法不僅使細分后的圖像與原圖像保持了很高的相關度，且保持了原圖像的邊緣效果，極大地降低了細分模糊效應。

　　但上述方法細分處理后的圖像會出現過飽和，需歸一化處理，并需對處理后的像元灰度值上下限進行限制，上限為255，下限為0。歸一化處理后的最終細分灰度值如下：

　　△1=［q2(a20+a21x1+a22x21)+q3(a30+a31x1+a32x21)+q4(a40+a41x1+a42x21)+q1(a10+a11x2+a12x22)］/(1+x+x2)0.5

　　△2=［q4(a40+a41x1+a42x21)+q3(a30+a31x2+a32x22)+q1(a10+a11x3+a12x23)+q2(a20+a21x3+a22x23)］/(1+x+x2)0.5

　　△3=［q1(a10+a11x1+a12x21)+q2(a20+a21x1+a22x21)+q3(a30+a31x2+a32x22)+q4(a40+a41x3+a42x23)］/(1+x+x2)0.5

　　△4=［q1(a10+a11x2+a12x22)+q2(a20+a21x3+a22x23)+q3(a30+a31x3+a32x23)+q4(a40+a41x3+a42x23)］/(1+x+x2)0.5

　　上述處理計算量大，對整幅圖像細分處理時間不夠，因此需選擇合適的處理區域。區域過小則信號能量溢出,產生截斷誤差；區域過大則噪聲急劇增加。二者均使信噪比降低,質心定位精度下降。根據光斑的大小不同，一般選擇3×3、4×4或5×5的區域。

　　本文以灰度直方圖投影提取目標為基礎，以目標質心為中心，取4×4的區域進行像元細分插值運算。處理后光斑內像元節點數增加,避免了因圖像飽和造成的光強量化錯誤。

　　圖像細分是放大的過程。二細分后一個像元變成四個亞像元，灰度值對應四個。二細分的亞像元是一個四倍放大的圖像，水平放大2倍，垂直放大2倍。跟蹤精度要達到更精細，需進一步進行細分，把二細分的每個亞像元再細分成四個更精準的亞像元。即一個像元經過二細分處理變成16個亞像元。水平方向放大4倍，垂直方向放大4倍。4×4個像元經過二次二細分處理變成256個亞像元。這樣處理可更精準有效地對準空間激光信標光，最大限度地提高跟瞄精度，且經過細分處理，圖像邊緣過渡平緩，大大減弱了馬賽克現象，使得細分后的圖像能夠最大限度地接近原始圖像。

3算法驗證

　　根據上面的算法研究，采集一幅圖像進行算法分析處理，處理結果如圖2所示。

　　像元細分處理后突出了圖像細節。說明曲面擬合細分能夠提高圖像的清晰度。同時跟蹤處理的精度也大幅提高。

4結論

　　通過上述設計分析、算法研究和仿真試驗說明，采用灰度直方圖投影算法與九點四線曲面擬合像元細分算法相結合的方法，通過選擇適當的目標區域，能夠把精跟瞄探測器對激光信標光的跟瞄精度提高到幾個微弧度，能夠達到空間光通信對跟瞄精度的要求。該方法定位精度高，抗干擾能力強，與傳統的灰度加權質心的方法相比更能提高細分效果，與曲面擬合算法相比占用資源少，處理簡單實用。

參考文獻

　　［1］ 劉靜江,黃永梅,傅承毓.空間光通信ATP系統中的跟瞄技術［J］.光電工程,2003,30(4):47.

　　［2］ 謝木軍,馬佳光,傅承毓,等.空間光通信中的精密跟蹤瞄準技術［J］.光電工程 2000,27(1):1316.

　　［3］ 諶廷政,呂海寶.CCD細分技術方法研究及應用［J］.光學學報,2002,22(11):13961399.

　　［4］ 魏新國,張廣軍,江潔.星敏感器中星圖圖像的星體細分定位方法研究［J］.北京航空航天大學學報,2003,29(9):812815.

　　［5］ 謝倫治,卞洪林，王振華.面陣探測器的像點亞像素定位研究［J］.光學與光電技術，2003,1(2):5156.

　　［6］ 李玉峰,郝志航.星點圖像超精度亞像素細分定位算法的研究［J］.光學技術,2005,31(5):666671.