CCD成像原理简介21光电跟踪技术简介光电跟踪系统的组成

第二章CCD成像原理简介
2.1 光电跟踪技术简介
光电跟踪系统的组成框图如图3-1所示，从独立功能单体上分主要由激光测距仪、电视跟踪仪、红外跟踪仪组成；从功能模块分主要有传感器模块、转台及测角和信息处理单元组成。

其中电视摄像仪、红外热像仪和激光测距主机为传感器模块，激光信息处理机、图像跟踪处理器、伺服控制和信息管理机为信息处理单元。

图2-1 光电跟踪系统组成框图
光电跟踪系统信息处理采用融合技术。

在光电跟踪系统中，信息管理机、电视/红外图像跟踪处理器、激光信息处理机和伺服控制为信息处理单元。

信息管理机既负责光电跟踪系统和火控台之间信息的交换，又负责光电跟踪系统内部各信息处理单元之间的信息融合和数据交流;图像跟踪处理器进行电视/红外跟踪仪的图像跟踪信息处理;激光信息处理机是激光测距仪的指控中心和数据处理中心;伺服控制系统实现伺服机动系统的调度。

2.2 CCD成像原理简介
CCD全称为电藕合器件，是英文Charge Couple Device的缩写。

它是70年代发展起来的一种以电藕合包形式存储和传输信息的新型半导体器件，是目前应用较多的图像采集装置。

用CCD摄像机采集可以采集灰度图，当光源的光照射到场景中的物体上后，物体所反射的光先由CCD接受并进行光电转化，所得到的电信号再经量化就可形成空间和幅度均离散化的灰度图。

图像的空间分辨率主要由CCD摄像机里图像采集矩阵中光电感受单元的尺寸和排列所决定，而灰度图的幅度分辨率主要由对电信号进行量化所使用的级数所决定。

至今，CCD摄像仪己从实验室研究走向实际应用阶段，在航空航天、卫星侦察、遥感遥测、天文测量、传真、静电复印、非接触工业测量、光学图像处理等领域都得到了广泛的应用。

目前世界上所有极轨和地球静止气象卫星在可见光和红外波段的成像遥感器都采用某种
形式的扫描成像辐射计(简称辐射计)，这种辐射计是一个扫描成像结构，它采用二维扫描加多元探测器并扫结构，以实现多波段成像。

这里所提到的多元探测器通常是面阵CCD 成像仪器件。

卫星上的这类辐射计是采用一块平面镜作为光机扫描结构的反射镜，以与望远镜主光轴成45度的位置放于望远镜的前方，通过常平架实现东西扫描，南北步进，其中a 角为东西扫描角，刀角为南北步进角。

这种结构具有结构简单，调试方便等特点，适用于多光谱扫描。

同时这种扫描方式带来了像旋，且像旋的角度随着南北步进角度的增大而增大，必须加以校正刁‘能应用多元探测器实现并扫。

为了消除二维扫描时产生的附加像旋，常常在物理设计阶段通过某些方法来实现图像的补偿运动，基本的方一法有光学图像消旋法和电子学图像消旋法。

本文的研究将针对特定空间卫星所获取的遥感数据进行图像的自动配准。

目的是将一组多光谱图像的RGB 信息融合到一幅全色图像上，而不需要图像进行分类识别。

试验数据来源是风云系列F(Y)的气象卫星，其核心是FY CCD 遥感器(或称CCD 成像仪)。

该卫星对同一个地区分时成像，得到一组多光谱的图像和一组全色图像，山于更换滤光镜、转换压缩数据、传送数据给地面需要一定时间，所以每次成像有大约20秒的间隔。

由于是分时成像，这个时间间隔内，相机处于一个非常复杂的运行状态。

一方面卫星在轨道上向前飞行；另一方面，卫星又带有随机的姿态变化，这个随机的姿态变化可以分解为微小的方位旋转（-5度~5度） 和微小的平移。

以上的因素将导致所得到的图像之间有像差，这个像差的存在，则在运用中会产生多光谱和全色图像的信息融合不能很好地进行，进行像素级的数据融合则有很大的像差。

考虑到在采集图像时，目标与图像传感器之间的距离基本保持不变，传感器是在平行与物体的平面内做一定的平移和旋转。

基于这两点原因，本文建立了基于简化的仿射变换模型的图像配准方法，该模型是在保持仿射变换性质的基础上，考虑实际图像的处理速度与精度问题，建立图像的平移和旋转参数模型，而不考虑缩放参数，设待配准的目标图像点坐标为
[,]T x y ，配准后坐标为[',']T x y ，按照仿射变换的性质建立简化的仿射变换模型：
'cos sin 'sin cos x x dx y y dy θθθθ⎡⎤⎡⎤⎡⎤⎡⎤=+⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦⎣⎦⎣⎦
式中[,]T dx dy 是平移矩阵，[cos ,sin ;sin ,cos ]T θθθθ-是旋转矩阵，此模型中的dx ，dy ，θ，即为配准变换的参数。

该简化模型能够在保证配准精度的基础上，达到提高配准速度的目的。

本文在实验过程，将使用全色图像作为基准图像，存在旋转平移失配的R 、G 、B 三通道的图像数据作为待配准
的图像，分别与全色图像进行配准，得到校正后的图像，为后续图像融合做准备。

2.4 CCD图像的噪声模型和去噪技术简介
2.4.1 CCD噪声简介
CCD图像传感器的输出信号是空间采样的离散模拟信号，其中夹杂着各种噪声和干扰。

对CCD信号进行处理的目的就是在不损失图像细节的前提下尽可能消除噪声和干扰，以提高信噪比，获取高质量的图像。

为此必须对CCD噪声的种类、特性有所了解，并针对各种噪声进行相应的去噪处理。

在CCD中存在以下几种主要噪声：
·光子噪声
光子发射是随机的，因此，势阱收集光信号电荷也是一个随机过程，这就构成了一种噪声源，它是由光子的性质决定的。

这种噪声在低照度摄像时会较严重。

·散粒噪声
光注入光敏区产生信号电荷的过程是随机的。

单位时间产生的光生电荷数目在平均值上作微小波动，即形成散粒噪声。

散粒噪声与频率无关，在所有频率范围内有均匀的功率分布(白噪声特性)。

低照度、低反差条件下，当其他噪声被各种方法抑制后，散粒噪声将成为CCD的主要噪声，并决定了器件的极限噪声水平。

·肥零噪声
肥零，即采用肥零电荷填充势阱位置，使信号电荷可以通过杂乱无章的区域进行转移，分为光学肥零和电子肥零。

其产生的噪声分为光学肥零噪声和电子肥零噪声，光学肥零噪声由所使用的CCD的偏置光的大小决定，电子肥零噪声由电子注入肥零机构决定。

·转移噪声
CCD中前一电荷包的电荷未进行完全转移，一部分电荷残存在势阱中，成为后来电荷包的噪声干扰。

引起转移噪声的根本原因是转移损失、界面态俘获和体态俘获。

·暗电流噪声
半导体内部由于热运动产生的载流子填充势阱，在驱动脉冲的作用下被转移，并在输出端形成电流，即使在完全无光的情况下也存在即暗电流。

暗电流分为扩散暗电流和表面暗电流等。

扩散暗电流产生于CCD的导电沟道和势阱下的自由区域，其扩散长度越短，势阱数目越多，暗电流越大。

表面暗电流是指一个电子能够在热激发下从界面态跃跳到导带，形成自
由电子后又被势阱当作暗电荷收集起来形成的电流。

·输出噪声
CCD 信号的输出是通过浮置电容将CCD 的信号电荷转换成为相应的电压，并多采用浮置扩散型电容输出。

T1是复位开关，其漏极接至复位电平；T2是浮置扩散放大器，实际上是一个电压跟随器；D 是电荷包收集二极管，工作于反偏电压状态下；CS 是浮置扩散电容， 用来存储电荷。

针对CCD 输出噪声特点，采用基于带通滤波采样技术的CCD 噪声分析方法，即利用中心频率可调的有源带通滤波器对宽带白噪声的抑制。

该方法考虑了对CCD 采样时刻的非稳态性，能在有效地提取目标信号的同时，可使等效噪声带宽保持较低，从而最大限度地减少输出信号的噪声。

为了获得有源带通滤波器输出信噪比的分析模型，首先假定该系统是线性的，则计算输出噪声特性的方法可采用W iener-Kinchine 定理。

设一个平稳随机过程的功率谱密度为：
()()jw N R e d τωττ+∝
--∝=
⎰
式中，()R τ是自相关函数.若分别考虑信号和噪声来计算系统的信噪比，则滤波器输出的平均噪声功率为：
220()|()|
N H j d σωωω+∝
=⎰
这里()N ω是滤波器输入噪声谱密度2(/)V Hz ，()H j ω是带通滤波器的传递函数。

其中 2112()(1)(1)
j R C H j j j ωωωτωτ-=++ 对于白噪声，设其功率谱密度()1N ω=，代入上式可得
2222112124()
s R C σττττ=+ 因此，在稳态情况下，用平均输出信号的幅值除以其噪声值，可得到滤波器的信噪比。

然而，事实上带通滤波器的输出信号在其达到稳态前被采样，也就意味着上述计算平均噪声功率的方法是不正确的。

滤波器输出的平均噪声功率取决于信号被采样的瞬间。

而瞬间的平均噪声功率与其对应
的稳态值是不同的。

基于上述原因，解决这个问题最简单的办法就是利用一组随机微分方程来描述该滤波器的频域响应，通过随机计算规则可以算出具有时变的带通滤波器的平均噪声功率，即22(){()}t E s t σ=，E 表示数学期望算子。

假定输入噪声信号是Gauss 白噪声，则Gauss 白噪声是Brown 运动过程或Wiener 过程的形式导数。

不妨设噪声谱密度N(f)=1，且N(f)是单边的，即定义{f≥0}。

此时显然有，eodt d β=，β是一个具有以下特征的布朗过程，即
2211{0},{()(')}(')',{()}22
E d E d t d t t t dtdt E d t dt βββδβ==-= 可以得到随机噪声模型的经典微分方程。

由于对称性，该方程的矩阵可表示为：
2.4.2 空间光通信CCD 图像噪声模型
CCD 采集的图像包含很多种噪声，这些噪声的大小取决于CCD 使用方法和环境。

总的来说有以下两种：
在对物体的入射光线进行光转换时产生的和成像物体相关的噪声，这种噪声主要由于空间激光信道环境的影响。

由于CCD 器件本身问题产生与成像无关的电子噪声如热电子噪声等，这部分噪声信号无法和有用信号加以区别。

通常把上述噪声以及与成像相关的光电子噪声、零信号输出和热电子的噪声信号统称为服从泊松分布的背景信号。

在CCD 输出图像时，读出噪声(由于电子线路中电荷转移信号放大、模数变换等环节产生)的存在进一步降低了图像质量，实验表明，读出噪声为高斯随机分布。

Snyder 等人提出了一种描述图像信号组成的数学模型：
0()()()(),0,...,obj r j n j n j g j j J =++=
式中()r j 是从CCD 阵列中读出的第j 个像素值，()obj n j 是物体像产生的有效信号，0()n j 是背景信号(无信号探测时的探测器响应)，()g j 是读出噪声，j 是CCD 光敏面的点阵数目。

假定()obj n j ，0()n j ，()g j 彼此之间是独立的，并且在时间序列上也是相互独立的，互不
干扰。

物像信号()obj n j ，0,...,1j J =-以均值(),0,...,1obj j j J μ=-呈泊松
分布。

其中：
10()()()()J obj i j j j p i i
μβλ-==∑
平面响应函数()j β可以通过平面定标测量(即测量各测量单元之间的响应不均匀性)的方法获得；点扩展函数()j p i
可以根据光学系统进行理论计算或实验得出，因此，可以认为该项已知。

·零均值高斯白噪声
假设电荷转移放大过程中各种随机电子噪声服从零均值高斯分布，则对应于20μ=的情形，此时为：
221()/(2)1101(,,)!l x l l p x e l μσμσμ∝
---==∑ ·非零均值高斯噪声的情形
假设电荷转移放大过程中各种随机电子噪声服从非零均值高斯分布，则对于非零均值高斯白噪声的情形，给出其参数估计的矩估计方法。

由223
()/(2)233x x dx μσμσμ--=+⎰ 得到：
2212()/(2)312101(,,,)!x l n n x p x dx e dx n μμσμμσμ∝----==∑⎰ 2.4.2背景噪声模型
背景噪声模型比较简单，因为背景光具有三个显著的特点：
一、背景光噪声都是时间连续的，因此无需考虑信道的时间效应的影响，只用研究其时间平均功率的传输即可；
二、背景噪声中的太阳和月亮与信号光都可以近似用点光源描述，因此它们的模型基本上是相同的；
三、虽然天光和星光是扩展光源，其模型于点光源不同，但是它们来自整个半球面，故无需考虑信道的空间效应。

背景光源可分成两种基本类型：
扩展背景光源：这种光源被假定为充满整个背景，因此它出现在整个接收机视场内；
分立光源或点光源：它们比较局域化，强度也很大，可能出现也可能不出现在接收机视场内。

在空间系统中，地面对太阳辐射的反射是主要的扩展背景。

而太阳、月亮以及其它星体的直接辐射则对应于分立光源。

在空间系统中，天空是主要的扩展背景，而局域化光源对应于星体、行星、月亮和太阳等等。

在室内环境中，墙壁的反射成为扩展背景，局域光源可能是室内的灯光、反射表面以及类似的东西。

扩展的背景辐射源常用辐射谱函数()W λ来描述，它定义为在波长入处单位带宽上，每单位面积光源辐射到单位立体角内的功率。

假定接受透镜面积为A ，离开光源的距离为Z 。

从光源来看，它表示一个约为2A /Z 球面角度的立体角。

若辐射源面积为S A 则接受到的总功率依赖于落在接收机视场内的那部分辐射源面积。

这样，在波长入附近，带宽Δλ范围内接收机收集到的背景功率为：
222
b fv fv 22b fv P =W()()(Z )(A/Z ),Z P =W()()(A/Z ),Z S S S A A A λλλλ∆Ω>Ω∆<Ω
定义S Ω为从接收机测量的辐射源立体角，有2A/Z S Ω≈上式可以写为：
b fv fv S
b S fv P =W()A,P =W()A,S λλλλ∆ΩΩ<Ω∆ΩΩ<Ω
因此，如果背景光扩展包含了接收机市场，背景功率则由上式给出，并且只依赖接收机的面积、视场和带宽，特别是b P 与Z 的大小无关。

我们还可以看出，式中b P 随fv Ω线性增加，直到包含了整个光源，此时式中开始起作用，b P 不随fv Ω而变化。

对于一个由式给出噪声场的局域化点光源，在波长A 上定义一个光源辐照度是方便的，它是下述乘积：
()()S Q W λλλ=∆Ω
功率可以由上式直接推出：
()(),b S fv P Q W A λλλ=∆Ω<Ω
而不需要去确定光源立体角。

这样，不论是扩展光源还是局域化光源，其背景功率电平都能够根据它们的辐射谱或辐照度函数得到。

大多数背景光源可以用黑体辐射模型来描述，其辐射谱由下式给出：
25/1()[]1
he k T c h
W e λλλ=- 式中：c 为光速，h 为普朗克常数，k 为波尔兹曼常数，T 为辐射的开尔文温度。

在空间环境下，最重要的点光源当然是太阳。

月亮、行星和星体也表现为点光源。

从对背景的贡献而言，这些光源明显地比太阳低好多个数量级。

在任何空间链路中来自扩展的白天天空的光线也是非常重要的。

产生漫散射的白天天空主要是由大气粒子对太阳光的散射而产生的。

在晚上，大气光散射主要由月亮和银河系的辐射激发，并且要低几个数量级，很明显，就背景而言，空间光链路在晚上开通比在白天更有优势。

在某些类型的空间链路中，背景光也可能来自人造光源而不是天空背景。

例如，这种情况可能发生在室内光学链路或短距离陆上链路。

在这里，来自灯泡、路灯和市区照明系统等的杂散光产生对光接收机构成主要干扰的杂散辐射。

2.4.3散粒噪声
这是一种电子或光生在流子的粒子性引起的噪声。

例如光电子发射探测器在光照射下，即使平均的光辐射强度保持不变，光阴极每一时刻所发射出的光电子数总是围绕一个统计平均值随机起伏。

这种无规则起伏导致输出电流中含有噪声，称之为散粒噪声。

散粒噪声有限噪声功率：24
d n i RW P = 散粒噪声均方根电流：22d d i qI B =
第三章基于MATLAB的CCD光斑图像定位算法
3.2 光斑定位过程
对目标点进行提取与定位是图像处理的基础，所以在进行目标点的检测之前得进行几个前期的工作，包括：被测物体的视频采集，图像的A/D转换，数字图像的平滑降噪。

经过以上几个步骤后再对目标点进行提取与定位，总体流程框图如下：
图3-1 目标检测总体流程图
STEP1：
在设计中，目标点是空间激光通信的光源，我们让目标在CCD摄像机的视野范围内进行移动，通过MATLAB对图像进行解码，采样，最终转换成数字图像。

由于在图像的处理和传输过程中，加入外界条件的影响必然会引入噪声，所以对噪声的过滤是必不可少的，降噪的方法很多，这里主要采用中值法进行滤波。

STEP2：
数字图像的阈值分割是一种广泛使用的图像分割技术，利用图像中要提取的目标物体与背景在灰度特性上的差异，从而把图像视为具有不同灰度等级的两类区域的组合。

选取一个合适的阈值，将图像中的每一个象素点与该阈值比较，确定图像中各个像素点应该属于目标区域，还是属于背景区域，从而得到相应的二值图像。

阈值分割的特点是算法简单易懂，运算量小，要割效果较好。

阈值分割的关键在于如何先择阈值，在众多的阈值确定的方法中，对于在背景相对简单，目标比较明显的情况下，最
大类间方差法比较有效，可快速将目标提取，尽可能不丢失也不添加目标信息，而其它方法相对来说速度低，并且容易影响目标的准确性。

由CCD 采集到的图像大部份是属于对称的光斑，在计算光斑中心坐标之前，我们可先采用双线性插值法对截取的光斑图像进行插值处理，这样可以使光斑中心坐标的计算精度和稳定性大大提高。

设0<x<1 ,0<y<1,则插值点(i+x,j+y)的灰度值可以通过下式来求得：
g(i+x,j)=g(i,j)+x[g(i+1,j)-g(i,j)]
g(i,j+y)=g(i,j)+y[g(i,j+1)-g(i,j)]
g(i+x,j+y)=x[g(i+1,j)-g(i,j)]+y[g(i,j+1)-g(I,j)]+xy[g(i+1,j+1)+g(i,j)-g(i+1,j)-g(i,j+1)]+g(i,j) 在实验中我们设x 、y 的值，也就是在每两个像素之间的相应位置处插值。

在计算中心点的坐标时，采用基于矩的灰度质心法，计算公式如下：
1
1(,)/(,)n n i i i i i i i Xc x g x y g x y x ∙===+∑∑
11(,)/(,)n n i i i i i i i Yc y g x y g x y y ∙===+∑∑
式中：Xc ，Yc 为光斑中心点坐标，即所求目标点(xi,yi) 的坐标；x0，y0为光斑区域起始点的坐标；g(xi,yi)为光斑中心点的灰度值。

3.3 空间激光通信的影响因素
对于空间激光通信的环境，我们首先要考虑一下几个因素，这些因素都将会对光斑的定位照成影响。

大气不同部分的物理性质不同，同时加之热和风的原因，大气总是处于不停的流动，从而形成温度、压强、密度、流速、大小等不同的气流旋涡。

这些旋涡也总是处于不停的运动变化之中，他们的运动相互交联、叠加，形成随机的湍流运动，这就是大气湍流。

湍流现象是大气折射系数随机变化的结果。

折射系数变化由大气、陆地和海洋间温度梯度引起。

大气湍流对收端信标光跟瞄精度的影响主要表现在：
·光强闪烁(大气闪烁)
大气闪烁是由于空气折射率的随机细微变化引起的。

当光束通过湍流漩涡时，折射率的变化引起波前失真，造成接收相位的随机变化。

当光束直径dB 大于湍流直径l 时，光束直径内包含许多个湍流漩涡，每个漩涡各自对光束形成独立的散射和衍射，从而造成光束强度在时间和空间上的随机起伏，光强忽大忽小，即光强闪烁。

·光束弯曲和漂移
当传播的光束直径dB小于湍流直径l时，光束直径包含在一个湍流漩涡内，湍流的作用主要使光束整体发生随机偏折。

所以在接收平面上，光束中心(光斑)以某个统计平均位置为中心，发生快速随机性跳动，即光束弯曲，数值上可用漂移量表示。

若将光束视为整体，其平均方向会明显发生变化，称为光束弯曲。

·光束展宽
光束展宽是指接收到的光斑半径或面积的变化，是由衍射和湍流漩涡的扩展引起的。

当光束直径dB大于湍流漩涡直径l时，引起湍流漩涡的扩展，造成中心轴的接收光强有一常量衰减，光斑半径增大。

由于湍流尺寸l在10和L0间连续分布，光束直径在传播过程中又不断变化，上述湍流效应总是同时发生。

而理论和试验均表明，以上湍流效应都有饱和效应，即当其增大到一定值时就不再增加，而略有减小呈现饱和。

3.4 基于MATLAB光斑定位的仿真分析
首先，我们假定系统接收到的光斑图像（含噪声）为：
图3-9 原始的光斑信号
3.4.1光斑的预处理
跟踪系统的精度和带宽是跟踪系统的主要性能指标，而光电式检测跟踪系统很容易受到各种环境光及背景光的干扰和不确定性因素的影响，这使得我们采集到的光斑图像中有许多噪声。

噪声往往和光斑信号交织在一起，如果平滑不当，就会使图像的细节如边界轮廓、线条等变模糊，使图像降质，所以图像平滑过程总要付出一定的细节模糊的代价。

在进行匹配之前先对图像做预处理。

图像预处理可以使得图像的性质、特征得到改善，以消除图像中孤立的特征点、毛刺和噪声，改善图像质坚旦。

目前最常用的图像去噪滤波器是均值滤波器、中值滤波器。

均值滤波器和中值滤波器分别是线性滤波器和非线性滤波器的典型代表。

·均值滤波
均值滤波主要用来抑制高斯噪声。

均值滤波算法简单，易于实时处理且对高斯噪声有较好的平滑能力。

但均值算法会破坏图像边缘，且对脉冲噪声十分敏感，没有充分利用图像像素间的相关性和像素的位置信息，其仿真如下所示。

图3-10 均值滤波以后的光斑信号
其代码如下所示：
H=fspecial('average',[3 3]);
gaussian1=imfilter(images,H);
figure;
imshow(gaussian1);
title('均值滤波含噪声的图像');
·中值滤波
中值平滑滤波器是一种非线性滤波器。

它的目的是在保护图像边缘的同时去除噪声。

在一定条件下，它可以克服线性滤波器，如最小均方滤波、平滑滤波所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效。

图3-11 中值滤波以后的光斑信号
其代码如下所示：
gaussian2=medfilt2(images);
figure;
imshow(gaussian2);
title('中值滤波含噪声的图像');
经过对光斑图像处理增强后，光斑的轮廓和位置已经比较清楚了，可以用一些算法进行精度分析了。

但是，光斑图像的轮廓还需进一步的分割，即图像的分割，将图像中有意义的特征或者需要应用的特征提取出来。

分割后，可以进一步对光斑图像二值化处理，然后再用以上算法进行处理。

·二值化处理
图像的二值化处理就是将图像上的像素点的灰度值设置为0或255，也就是讲整个图像呈现出明显的黑白效果。

将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。

在数字图像处理中，二值图像占有非常重要的地位，首先，图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能凸显出感兴趣的目标的轮廓。

其次，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像。

所有灰度大于或等于阀值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。