第４０卷第ｌ１期 Ｖｏ１．４０ Ｎｏ．１１ 红外与激光工程 Ｉｎｆｒａｒｅｄ ａｎｄ Ｌａｓｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ２０１１年１１月 ＮＯＶ．２０１１ 采用尺度空间特征点匹配的红外目标跟踪 孔军 ，汤心溢 ，蒋敏 ，刘士建 （１．江南大学物联网工程学院，江苏无锡２１４１２２；２．中国科学院上海技术物理研究所， 上海２０００８３；３．中国科学院研究生院，北京１０００４９） 摘 要：针对红外图像信噪比低，对比度不高，目标跟踪困难等复杂情况，提出了一种基于尺度空间特 征点匹配的红外目标跟踪算法。设计出一种基于尺度因子变化的高斯卷积模板尺寸自适应调整以及连 续帧目标区域双向配准的办法，前帧目标区域特征点匹配出后续帧目标区域特征点，以后者特征点集质 心坐标去建立目标跟踪搜索窗，完成在视觉效果差的背景下的红外目标跟踪。实验表明，基于尺度空间 特征点匹配的红外目标跟踪算法鲁棒性强，实时性高，能快速而有效地完成对红外目标跟踪。 关键词：尺度空间； 红外目标； 搜索窗； 特征点匹配 中图分类号：ＴＰ３９１．４ 文献标志码：Ａ 文章编号：１００７—２２７６（２０１１）１１—２１０４—０６ ＩＲ ｔａｒｇｅｔ ｔｒａｃｋｉｎｇ ｂａｓｅｄ ｏｎ ｓｃａｌｅ ｓｐａｃｅ ｆｅａｔｕｒｅ ｐｏｉｎｔｓ ｍａｔｃｈｉｎｇ Ｋｏｎｇ Ｊｕｎ ， ，Ｔａｎｇ Ｘｉｎｙｉ ，Ｊｉａｎｇ Ｍｉｎ ，Ｌｉｕ Ｓｈｉｊｉａｎ。 （１．Ｓｃｈｏｏｌ ｏｆ Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｊｉａｎｇｎａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ ２１４１２２，Ｃｈｉｎａ； ２．Ｓｈａｎｇｈａｉ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｉｃａｌ Ｐｈｙｓｉｃｓ，Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ，Ｓｈａｎｇｈａｉ ２０００８３，Ｃｈｉｎａ ３．Ｇｒａｄｕａｔｅ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ ｔｈｅ Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ １０００４９，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎ ｏｒｄｅｒ ｔｏ ｓｏｌｖｅ ｔｈｅ ｐｒｏｂｌｅｍｓ ｏｆ ＩＲ ｉｍａｇｅ Ｓ ｌｏｗ ＳＮＲ ａｎｄ ｌｏｗ ｃｏｎｔｒａｓｔ，ａｎｄ ｄｉｆｉｃｕｌｔｆｙ ｏｆ ＩＲ ｔａｒｇｅｔ ｔｒａｃｋｉｎｇ，ａ ｎｅｗ ＩＲ ｔａｒｇｅｔ ｔｒａｃｋｉｎｇ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｓｃａｌｅ ｓｐａｃｅ ｆｅａｔｕｒｅ ｐｏｉｎｔｓ ｍａｔｃｈｉｎｇ ｗａｓ ｐｒｏｐｏｓｅｄ．Ｔｈｅ ｓｉｚｅ ｏｆ ｔｅｍｐｌａｔｅ ｃｏｕｌｄ ａｕｔｏｍａｔｉｃａｌｌｙ ａｄｊｕｓｔ ａｌｏｎｇ ｗｉｔｈ ｔｈｅ ｓｃａｌｅ ｆａｃｔｏｒ ｃｈａｎｇｉｎｇ，ａｎｄ ａ ｂｉｄｉｒｅｃｔｉｏｎａｌ ｆｅａｔｕｒｅ ｐｏｉｎｔｓ ｍａｔｃｈｉｎｇ ａｌｇｏｒｉｔｈｍ ｏｆ ｔａｒｇｅｔｓ ｉｎ ｓｅｑｕｅｎｔｉａｌ ｆｒａｍｅｓ ｗａｓ ｐｒｏｐｏｓｅｄ．Ａｆｔｅｒ ｔｈｅ ｆｅａｔｕｒｅ ｐｏｉｎｔｓ ｏｆ ａ ｆｒａｍｅ ｍａｔｃｈｉｎｇ ｔｈａｔ ｏｆ ｎｅｘｔ ｆｒａｍｅ ｉｎ ｔｈｅ ｔｒｇｅｔ ａａｒｅａ ｏｆ ＩＲ ｉｍａｇｅ，ｔｈｅ ｃｅｎｔｅｒ ｏｆ ｌａｔｔｅｒ ｆｅａｔｕｒｅ ｐｏｉｎｔｓ ｗａｓ ｔａｋｅｎ ａｓ ｔｈｅ ｃｅｎｔｅｒ ｆｒｏｍ ｗｈｉｃｈ ｔｈｅ ｔａｒｇｅｔ ｓｅａｒｃｈｉｎｇ ｗｉｎｄｏｗｓ ｗｅｒｅ ｓｅｔ ｕｐ ｃｏｎｔｉｎｕａｌｌｙ ｔｏ ｔｒａｃｋ ｔｈｅ ＩＲ ｔａｒｇｅｔｓ ｕｎｄｅｒ ｔｈｅ ｂａｄ ｖｉｓｕａｌ ｃｏｎｄｉｔｉｏｎ．Ｂｙ ｔｈｅ ＩＲ ｔａｒｇｅｔ ｔｒａｃｋｉｎｇ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｓｃａｌｅ ｓｐａｃｅ ｆｅａｔｕｒｅ ｐｏｉｎｔｓ ｍａｔｃｈｉｎｇ，ｔｈｅ ｒｏｂｕｓｔｎｅｓｓ ａｎｄ ｒｅａｌ—ｔｉｍｅ ｐｅｒｆｏｒｍａｎｃｅ ｗｅｒｅ ｉｍｐｒｏｖｅｄ．Ｅｘｐｅｒｉｍｅｎｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ＩＲ ｔａｒｇｅｔｓ ｃａｎ ｂｅ ｔｒａｃｋｅｄ ｑｕｉｃｋｌｙ ａｎｄ ａｃｃｕｒａｔｅｌｙ ｂｙ ｔｈｅ ｐｒｏｐｏｓｅｄ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｓｃａｌｅ ｓｐａｃｅ￣ａｍｒｅ ｐｏｉｎｔｓ ｍａｔｃｈｉｎｇ． Ｋｅｙ ｗｏｒｄｓ：ｓｃａｌｅ ｓｐａｃｅ；ＩＲ ｔａｒｇｅｔ；ｓｅａｒｃｈｉｎｇ ｗｉｎｄｏｗ；ｆｅａｔｕｒｅ ｐｏｉｎｔｓ ｍａｔｃｈｉｎｇ 收稿日期：２０１１—０３－１１； 修订日期：２０１１一ｏ４—１７ 基金项目：教育部中央高校基本科研业务费专项基金（ＪＵＳＲＰ２１１Ａ３６，ＪＵＳＲＰｌｌｌＡ４１）；国家自然科学基金多年期重大国际 合作研究项目（６０９ｌ０Ｈ０Ｏ５） 作者简介：孔军（１９７４一），男，博士生，主要从事机器视觉和目标跟踪等方面的研究工作。Ｅｍａｉｌ：ｊ—ｋｏｎｇ＠１６３．ｃｏｍ 导师简介：汤心溢（１９７０一），男，研究员，博士生导师，博士，主要从事成像系统技术、视频信号处理、红外动态仿真等方面的研究工作。 Ｅｍａｉｌ：￣２７＠ｍａｉｌ．ｓｉｔｐ．ａｃ．ｃｎ 第ｌｌ期 孔军等：采用尺度空间特征点匹配的红外目标跟踪 ２１０５ 分高斯图像金字塔和高斯差分图像金字塔。前者是以 ０引言 红外图像空间相关性强、信噪比低、对比度不 不同卷积核盯的高斯滤波函数对原始图像滤波得到 的一系列离散化、分辨率不同的图像集合，见公式（１）， 高、视觉效果差等特点，使得在分辨率不高的红外视 场下的目标跟踪成为研究热点。Ｋａｌｍａｎｔ卜 滤波跟踪 高斯差分图像金字塔是在前者基础上差分所得的。 Ｌ（ ，ｙ，ｏ－）：Ｇ（ ，ｙ，ｏ－） Ｉ（ｘ，），）：——ｌ＿— ｅ－（ｘｚ＋ｙ２）１２ｏ．Ｚ ，（ ，），）（１） ２￣ｒｏ＂ 算法通过既往时刻估计值和当前时刻观测值，利用 无偏最小均方差准则递推出当前时刻的目标最优估 式中：Ｉ（ｘ， ）为原始图像；Ｇ（ｘ，Ｙ，ｏ－）为高斯滤波函数 计，该算法对目标的速度、位移、加速度等状态参数 要求较高。Ｍｅａｎ Ｓｈｉｆｔ［３叫均值漂移跟踪算法是对目 标区域的色彩直方图为特征的概率密度函数模态不 断逼近，并以前后帧目标区域的色彩直方图概率分 布距离最小原则迭代出连续帧目标搜索窗，完成对 目标的跟踪。尽管Ｋａｌｍａｎ滤波和Ｍｅａｎ ＳｌｌｉＲ均值漂 移算法能有效地解决部分目标跟踪问题，但这两种 算法对图像的对比度、分辨率以及目标的色彩度要 求较高，所以不适合视觉效果差的红外目标跟踪。依 据两相邻帧之间的差值提取感兴趣区域（ＲＯＩ）的帧 差法阎由于对光照变化的鲁棒性不强，以及对动态 场景的干扰比较敏感，所以其在对红外目标跟踪时 效果也不尽人意。 文中提出一种基于尺度空间特征点匹配的红外 目标跟踪算法，红外视频的每帧均生成多尺度图像 金字塔，提取目标区域稳定的特征点，完成前帧对后 续帧的特征点的匹配，并以后续帧目标区域的特征 点集外界邻域质心为中心建立跟踪搜索窗，完成对 目标的跟踪。特征点在不同尺度下被描述成具有缩 放、旋转和平移不变性的局部特征点描述矢量 ］，并 做了归一化处理，以增强其在低对比度和低分辨率 的红外场景中的鲁棒性。另外，算法引入了基于尺度 因子变化的高斯卷积模板尺寸自适应调整，以及红 外视频连续帧双向配准的办法，进一步增强算法在 视觉效果差的红外场景中目标跟踪的实时性。 １尺度空间特征点提取与匹配 红外图像信噪比低，目标与背景对比度低，色彩 相近，先构建图像的尺度空间闭，获取和优化特征点， 并计算出具有位置、尺度、旋转、光照等不变的特征 点描述矢量。 １．１尺度空间建立 尺度（三维）空间 ，Ｙ，ｃｒ）采用图像金字塔来表达， Ｌ（ｘ，Ｙ，ｏ－）为经高斯模糊化处理后得到一幅图像尺度 空间； 表示尺度因子。 高斯图像金字塔在生成过程中，尺度因子按照 公式（２）递增： ＝ｏ ２ ｎ＝ｌ，２，…ｓ＋２ （２） 式中：Ｓ取经验值３。高斯卷积模板尺寸为ＮｘＮ，其与 尺度因子符合如下经验公式： Ⅳ＿ （３） 文中取 的初始化值为０．９８，表ｌ给出 和Ⅳ 的关系。 表１尺度因子与模板尺寸关系 Ｔａｂ．１ Ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ ｓｃａｌｅ ｆａｃｔｏｒ ａｎｄ ｔｅｍｐｌａｔｅ ｓｉｚｅ 理论上，尺度因子ｏｒ的值越大，对应的模板尺寸 也越大，图像的模糊化效果越好，但卷积时间也越 长。另外，实验统计发现，随着盯增加，特征点数目 并非一味增多，而是在到达临界值后减少了，这个临 界值一般出现在１７＂∈（１．２０，１．７ｏ）范围内。可见，模板 尺寸超过一定界线时，高斯滤波对稳定的特征点数 量的增加并没有做出贡献，却牺牲了算法的时间，不 利于算法的实时性要求。分析表１，ｏｒ出现拐点所对 应的高斯滤波器模板尺寸正好落在９ｘ９，ｌｌｘｌｌ上， 所以，该研究在高斯图像金字塔生成过程中，随着ｏｒ ２１０６ 红外与激光工程 第４０卷 由初始值０．９８递增时，模板尺寸做自适应调整： ＜ １．５０时，直接选用９ｘ９模板； ＞１．５０时，直接选用 １．３特征点的矢量化及其向量表示 以特征点为中心，以６ （ 是该特征点所处尺度 的尺度因子）为半径作圆 ，计算圆内Ｘ和Ｙ方向的 Ｈａａｒ小波响应系数，给响应值赋高斯权值。在１Ｔ／３的 ｌｌｘｌｌ模板，具体算法如下： （１）当前帧图像作为第一层，以尺寸为９ｘ９卷积 模板对第一层图像进行高斯平滑处理得到第二层， 依然用９ｘ９卷积模板处理第二层图像得到第三层。 然后改用ｌｌｘｌｌ模板处理第三层得到第四层，并在 第四层基础上得到第五层、第六层。该帧图像生成六 层平滑图像即为第一组高斯图像金字塔； （２）第一组高斯图像金字塔中首幅图像进行下 采样得到第二组高斯图像金字塔的首幅图像，重复 “第１步”，构建第二组高斯图像金字塔，以此类推， 得到第三、第四组等高斯图像金字塔，共六组； （３）对以上每组高斯图像金字塔相邻尺度图像两 两相减，得到该组的高斯差分图像金字塔，共六组； （４）对后续帧重复上述３步。 １．２兴趣点检测与特征点确定 尺度空间中的中间层（去除高斯差分图像金字 塔中最底层和最上层）的每一个采样点要和它所在 的３ｘ３ｘ３立体邻域内所有点比较，若其比相邻上下 尺度和本尺度周围的共２６个点的灰度值都大或者 都小，则视之为兴趣点。 对该兴趣点进行泰勒级数展开［８ ，取前３项： ＋ ｝ （４） 式中：兴趣点的值Ｄ（ｘ）对其偏移量 求导，其中 ｘ＝ ，Ｙ，（ｒ） ，可得ｘ的极值 ： 一 罟 （５） 联立公式（４）和公式（５），可得： Ｄ（ ＋ １ ｘ眦 （６） 若ＩＤ １＞１０．０３，则该兴趣点保留为特征点，否则丢弃。 为了进一步优化低对比度的特征点和不稳定的 边缘点，利用Ｈｅｓｓｉａｎ矩阵的特征值正比于兴趣点的 主曲率这一数学特性，推导出主曲率阈值，文中给出 的主曲率阈值的经验值为ｌＯ．３。 用同样的方法计算出其每帧所对应的所有组高 斯差分图像金字塔中的所有尺度上的特征点集合， 它们的交集将是该帧图像最终的特征点集。 扇形区域内求 和Ｙ方向上的小波系数向量和，构 建向量，转动扇形遍历整个圆，选择最长向量方向为 该特征点主方向。 以特征点为中心将坐标轴旋转到主方向，将其 周围２０ｇ的正方形窗口划分成４ｘ４个子窗口。以 为采样间隔，计算子窗口内Ｘ和Ｙ方向上的Ｈａａｒ 小波响应 和ｄｖ，同时赋高斯权值，增加对几何变 化的稳健性，一个子窗口对应一个四维向量 ｒｌ ∑ ，∑ ，∑１ ４ Ｉ，∑Ｉ ｄ，Ｉ ］Ｉ ，所有子窗口的向量 共同构成该特征点的特征向量，共４ｘ４ｘ４＝６４维，通 过对其归一化处理，增强其对光照变化的鲁棒性，以 适应红外图像的特征点提取。 １．４特征点的双向匹配 连续帧图像的特征向量生成之后，可用多维空 间向量欧氏距离作为匹配准则，见公式（７）： ／兰 。＼ ｄ＝ｓｑ￣Ｉ ＼ｉ＝１ （置１－ｘａ） ｊ／ （７） 式中：置 表示其中一幅图像上的某特征点的特征向 量的第ｆ维元素值； 表示另一幅图像上的某个特 征点的特征向量的第ｉ维元素值。为了避免因红外 图像对比度和信噪比低而造成前后帧特征点错配和 漏配，采取特征点双向配准的办法，具体算法如下： （１）建立极线约束条件，减少图像配准时搜 索范围； （２）求出前帧图Ａ中某一个特征点 与后续帧 图Ｂ中在对应极线上所有特征点的欧氏距离，搜索 出最近点 ，如果该欧氏距离小于匹配阈值，保留 ，进入第３步。否则，删除 ，重复第２步； （３）求出后续帧图Ｂ中 与前帧图Ａ中对应 极线上所有特征点的欧氏距离，搜索出最近点Ｆ３； （４）判断 和 是否相等，若相等，匹配成功， 否则，重复第２步。 ２基于尺度空间特征点匹配的红外目标跟踪 基于尺度空间特征点匹配的红外目标跟踪算法 是指，在完成了尺度空间的自适应构建，具有抗缩 第ｌｌ期 孔军等：采用尺度空间特征点匹配的红外目标跟踪 ２１０７ 放、旋转、放射、光照等鲁棒性的稳定特征点向量的 生成，以及连续帧特征点的双向匹配之后，进入红 外目标跟踪环节。由于连续帧之间所匹配的特征点 较多，但目标区域外的特征点对目标跟踪没有贡 献，所以，根据１．４节所提及的建立极线约束条件 的办法，手动在起始帧画出目标搜索窗，只需完成 在目标区域范围之内的前后帧的特征点双向匹配， 具体算法如下： （１）设定双向匹配阈值ｓ； （２）读人视频序列，选择跟踪目标，在第ｋ帧 手动初始化出目标区域搜索窗，建立帧间极线约 束条件； （３）根据匹配阈值ｓ，完成第ｋ帧与第ｋ＋ｌ帧目 标区域上的特征点双向配准，记录第ｋ＋ｌ帧目标的 特征点集外接邻域中心坐标 ； 瑚 姗 枷 （４）以 为中心，建立第ｋ＋ｌ帧的搜索窗口； （５）ｋ＝ｋ＋ｌ，重复第３步、第４步。 ３实验结果与分析 为了验证基于尺度空间特征点匹配的红外目标 跟踪算法，利用某中波热像仪采集“汽车在道路上行 驶”红外视频“ｃａｒ序列”。帧频为３０帧／ｓ，图像分辨 率为６４０ｘ４８０。运行机器：Ｉｎｔｅｌ Ｃｏｒｅ ２ Ｄｕｏ Ｅ４７００ ２．６ＧＨｚ ＰＣ，内存２ＧＢ，操作系统ＷｉｎＸＰ，开发平台 ＶＣ＋＋６．０，结合ＯｐｅｎＣＶ开源库函数。 对“Ｃａｒ序列”每帧图像基于尺度因子变换高斯 卷积模板尺寸自适应调整的算法构建高斯图像金字 塔，获得目标区域上的稳定的特征点集，图１显示出 视频第１帧和第２帧的特征点描述矢量，箭头起点 表示特征点位置，长度表示特征点大小，指向表示特 征点主方向，该算法计算出第ｌ帧有２９０个特征点， 第２帧有２８９个特征点。其余帧同理。 ２００ ４００ ６００ ８００ １ ０００ １ ２００ 图１特征点描述矢量 Ｆｉｇ．１ Ｃｈａｒａｃｔｅｒ ｐｏｉｎｔｓ ｄｅｓｃｒｉｐｔｉｏｎ ｖｅｃｔｏｒ 以双向匹配阈值为０．４８完成相邻帧的配准，也 就是帧ｌ匹配帧２，帧２匹配帧３，以此类推。由于篇 幅限制，只给出当第一辆Ｃａｒ出现在视场时，帧１２３ 与帧１２４的目标配准。第一辆ｃａｒ和第二辆ｃａｒ同时 出现在视场时，帧２３１与帧２３２，帧２７８与帧２７９的 目标配准。利用极线约束条件，减少图像配准搜索范 围，图２仅对Ｃａｒ序列中目标模型进行配准。 枷 姗 枷 啪 瑚 姗 栅 图２尺度空间特征点匹日己．结果 Ｆｉｇ．２ Ｒｅｓｕｌｔｓ ｏｆ ｔｈｅ ｆｅａｔｕｒｅ ｐｏｉｎｔｓ ｍａｔｃｈｉｎｇ ｉｎ ｓｃａｌｅ ｓｐａｃｅ 图３显示的是基于尺度空间特征点匹配的红 外目标跟踪情况，帧５４后，第一辆ｃａｒ驶入视场， 在帧６２，手动初始化出目标搜索窗。由于帧６２与 帧６３已经完成目标Ｃａｒ区域的特征点匹配，所以 帧６３的ｃａｒ目标上的搜索窗将以Ｃａｒ目标区域的 特征点集外接邻域质心为中心建立矩形搜索窗。在 帧２１０后，第二辆ｃａｒ驶入视场，同时在给第二辆车 手动初始化出目标搜索窗，第二辆ｃａｒ也能很好被 跟踪上。 基于尺度空间特征点匹配的红外目标跟踪算法 的实时性主要体现在特征点提取、矢量化和匹配等 方面的效率上。表２给出第２３１帧和第２３２帧特征 点匹配时各个阶段的所需时间，其中总耗时仅为 ０．１５１ Ｓ，满足实时性要求。 第ｌｌ期 孔军等：采用尺度空间特征点匹配的红外目标跟踪 ２１０９ ｏｆ ａ ｄｅｎｓｉｔｙ ｆｕｎｃｔｉｏｎ，ｗｉｔｈ ａｐｐｌｉｃａｔｉｏｎｓ ｉｎ ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ ｋｅｙｐｏｉｎｔｓ【Ｊ】．Ｉｎｔｅｒｎａｔｉｏｎａｌ ２００４，６０（２）：９１－１１０． 【Ｊ】．衄４０． Ｔｒａｎｓ ｏｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｈｅｏｒｙ，１９７５，２１（１）：３２－ Ｋｏｎｇ Ｊｕｎ，Ｔａｎｇ Ｘｉｎｙｉ，Ｊｉａｎｇ Ｍｉｎ．Ｏｂｊｅｃｔ ｌｏｃ￣ｉｏｎ ｔｅｃｈｎｉｑｕｅ ｏｒ ｍｏｖｉｆｎｇ ｔａｒｇｅｔ ｂａｓｅｄ ｏｎ ｍｕｌｔｉ—ｓｃａｌｅ ｆｅａｔｕｒｅ ｅｘｔｒａｃｔｉｏｎ［盯． Ｚｈａｎｇ Ｗｅｉ，Ｈｏｕ Ｑｉｎｇｙｕ，Ｗｕ Ｃｈｕｎｆｅｎｇ．Ｍｅａｎ—ｓｈｉｆｔ ｔｒａｃｋｉｎｇ ｆｏｒ ＩＲ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｔｒｇｅｔ ｂａｓｅｄ ｏｎ ｏｎｌｉａｎｅ ｆｅａｔｍ＇ｅ ｆｕｓｉｏｎ Ｊ Ｉｎｆｒａｒｅｄ肘 Ｗａｖｅｓ，２０１１，３Ｏ（１）：２１—２６．（ｉｎ Ｃｈｉｎｅｓｅ） ［Ｊ］．Ｉｎｆｒａｒｅｄ ａｎｄ Ｌａｓｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ，２０１０，３９（２）：３５２－３５７． （ｉｎ Ｃｈｉｎｅｓｅ） 孔军，汤心溢，蒋敏．基于多尺度特征提取的运动目标定 位研究［Ｊ】．红外与毫米波学报，２０１１，３０（１）：２１—２６． 张伟，侯晴宇，武春风．在线特征融合的均值移位红外目 标跟踪【Ｊ］．红外与激光工程，２０１０，３９（２）：３５２—３５７． Ｍｅｉｅｒ Ｔ，Ｎｇｕｎ Ｋ Ｎ．Ｖｉｄｅｏ ｓｅｇｍｅｎｔａｔｉｏｎ ｆｏｒ ｃｏｎｔｅｎｔ・ｂａｓｅｄ Ｍｉｎｊｉｅ Ｌ，Ｌｉｑｉａｎｇ Ｗ，Ｙｉｎｇ Ｈ．Ｉｍａｇｅ ｍａｔｃｈｉｎｇ ｂａｓｅｄ ｏｎ ＳＩＦＴ ｆｅａｔｕｒｅｓ ａｎｄ ｋｄ—ｒｔｅｅ【Ｃ］，／２０１０ ２ｎｄ Ｉｎｔｅｍａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ（ＩＣＣＥＴ），２０１０． Ｂａｙ Ｈ，Ｅｓｓ Ａ，Ｔｕｙｔｅｌａａｒｓ Ｔ，ｅｔ ａ１．ＳＵＲＦ：ｓｐｅｅｄｅｄ ｕｐ ｒｏｂｕｓｔ ｃｏｄｉｎｇ［１１．ＩＥＥＥ Ｔｒａｎｓ ０１１ Ｃｉｒｃｕｉｔｓ ａｎｄ Ｓｙｓｔｅｍｓ ｆｏｒ Ｖｉｄｅｏ Ｔｅｃｈｎｏｌｏｇｙ，１９９９，９（８）：１１９０－１２０３． ｉｎｃｔｉｖｅ ｉｍａｇｅ ｆｅａｔｕｒｅｓ ｆｒｏｍ ｓｃａｌｅ・ｉｎｖａｒｉａｎｔ ［６】 Ｌｏｗｅ Ｄ Ｇ．Ｄｉｓｔｆｅａｔｒｅｓ［ｕＪ】．Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｉｍａｇｅ Ｕｎｄｅｒｓｔａｎｄｉｎｇ， ２００８．１１０（３）：３４６－３５９． 空间太阳望远镜主光学望远镜热效应分析 李蓉１，２，３，施浒立 ，。 （１．中国科学院国家天文台，北京１０００１２； ２．中国科学院研究生院，北京１０００４９； ３．中国科学院太阳活动重点实验室，北京１０００１２） 摘要：空间太阳望远镜（ＳＳＴ）直接对日成像，其１ｍ口径的主反射镜（ＭＯＴ）接收到的上千瓦热量将严重影 响望远镜的成像质量，因此必须进行热控设计以确保ＳＳＴ的性能。首先讨论了ＳＳＴ主镜筒内的热状况，分析 了对日观测时主镜筒内的热流分布情况，然后根据ＳＳＴ轨道参数，计算望远镜的空间轨道外热流状况。在此 基础上提出了相应的热控措施，并使用热分析软件Ｓｉｎｄａ／Ｇ与Ｎｅｖａｄａ计算了ＳＳＴ主镜筒温度分布。最后计 算了ＳＳＴ主镜相应的热变形，对主镜镜面热变形采用Ｚｅｍｉｋｅ多项式拟合，热变形精度小于Ｍ４０（Ａ＝６３３ａｍ）， 确保ＳＳＴ获取０．１ 一０．１５”的高分辨率成像目标，验证了ＳＳＴ主镜筒热控设计的有效性。
