● 摘要
激光照射到光电仪器或设备的光学镜头时会产生 “猫眼”效应，因此可通过“猫眼”效应来识别带有光学镜头的光电类系统，如导引头。基于“猫眼”效应的激光成像系统不受环境光照的影响，可昼夜工作，因此成为光电对抗领域重要的发展方向。论文主要研究“猫眼”效应目标识别算法，包括“猫眼”效应的理论分析，基于纹理特征的“猫眼”效应目标识别方法研究和基于视觉注意机制的“猫眼”效应目标识别方法研究。
采用矩阵光学理论分析了“猫眼” 效应光学镜头的物理模型并进行了数值仿真，仿真结果表明：“猫眼” 效应光斑的中心光强随着入射激光波长的增大而变小；当探测距离大于1000m时，“猫眼” 效应光斑光强强度分布符合高斯分布规律；
为解决目前方法在动态复杂环境下不能有效区分车灯和瞄准镜以及“猫眼”效应目标识别率低的难题，提出了一种基于纹理特征的“猫眼”效应目标识别方法。首先采用列均值相减、指数高通滤波和中值滤波对差分图像进行滤波去除车灯；然后依据“猫眼”效应目标的形状特性进行判别；最后根据“猫眼”效应目标的纹理特征，构造隶属度向量，按照最大隶属度原则，采用模糊综合评价对“猫眼”效应目标进行识别。试验结果表明，与基于形状和频率双重判据的“猫眼”效应目标识别方法相比，该方法有更高的识别率和较低的虚警概率。
研究了Facet模型提取目标的显著图，提出了基于机器视觉注意机制的“猫眼”效应目标识别方法。首先，采用二阶方向导数滤波器在八个方向通道上对差分图像进行处理；然后，利用形态学在各个方向上处理滤波的图像，从而使得目标与背景更容易区分；再之，采用光谱残差方法提取每一个方向通道的显著图；通过设计的显著图融合方法计算目标显著图；最后，采用自适应阈值分割方法对目标显著图进行阈值分割初步提取目标，再通过“猫眼”效应目标的特征对目标进行识别。仿真试验结果表明该方法对“猫眼”效应目标的识别是有效的、可行的，有更好的探测性能。