視網(wǎng)膜-視皮層映射模型在紅外成像制導(dǎo)系統(tǒng)中的應(yīng)用研究

1、_視網(wǎng)膜-視皮層映射模型在紅外成像制導(dǎo)系統(tǒng)中的應(yīng)用研究王立 張科 李言?。ㄎ鞅惫I(yè)大學(xué)航天工程學(xué)院導(dǎo)航制導(dǎo)教研室，西安，710072）本文以Schwartz提出的log-polar摘要 視網(wǎng)膜-視皮層映射是生物主動(dòng)視覺的生理基礎(chǔ)之一，映射模型為基礎(chǔ)，結(jié)合生物視覺的大小視場(chǎng)系統(tǒng)，提出了一種基于紅外成像系統(tǒng)視場(chǎng)角的LPT(log-polar transform)算法，構(gòu)成了非均勻性的數(shù)據(jù)采集、傳輸結(jié)構(gòu)模型，在成像制導(dǎo)信息處理中為解決視場(chǎng)角、分辨率、實(shí)時(shí)性三者間的矛盾提供了一條途徑，本文基于此算法進(jìn)行了相關(guān)驗(yàn)證，顯示出利用此算法便于注意力機(jī)制在成像制導(dǎo)系統(tǒng)中的實(shí)現(xiàn)，并在目標(biāo)跟蹤方面也具有較好的應(yīng)用前

2、景。關(guān)鍵詞 視網(wǎng)膜-視皮層映射 LPT 視場(chǎng)角 *Retino-cortical mappings model and itsapplication in image-guiding system*Wang Li , Zhang Ke , Li Yanjun(Navigation and guidance lab of College of Astronautics，NPU ，Xian 710072，China)Abstract Retino-cortical mapping is a important attribute of human visual system, which enab

3、le human visual system can have the large visual field and high acuity on gaze point simultaneously. The aim of this paper is to use this mapping model in image-guiding system in order to resolve the conflict among “visual field angle”、 “acuity” and “real-time processing”. Based on Log-polar mapping

4、 model, this paper put forward a new algorithm of LPT. This algorithm is dependent on the visual field angle, then a non-uniformed data sampling、data transferring module is constructed. With this module, infrared image-guiding information processing system can realize the data reduction, especially

5、in tracking phase. In addition, it facilitates the visual attention system in image-guiding field.Key words: Retino-cortical mapping LPT Visual field angel * 高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金 （編號(hào)：20020699014） The project supported by the Higher University Doctor Subject Fund （No. 20020699014）_中國(guó)科技論文在線引言紅外成像制導(dǎo)系統(tǒng)是目前精確制

6、導(dǎo)研究領(lǐng)域的重點(diǎn)，工程應(yīng)用中一方面具有強(qiáng)烈的大視場(chǎng)要求以提高警戒、打擊范圍，另外要求有較高的目標(biāo)分辨率以提高識(shí)別精度，此外還需要有實(shí)時(shí)處理圖像信息，這是制導(dǎo)系統(tǒng)所必需的；但是目前的成像制導(dǎo)信息系統(tǒng)不具備信息采集、傳輸?shù)目臻g可變特點(diǎn)，結(jié)果不可避免地出現(xiàn)了視場(chǎng)角、分辨率、實(shí)時(shí)性三者間的矛盾。針對(duì)這個(gè)問題，本文基于仿生的思路，研究視網(wǎng)膜-視皮層映射模型在成像制導(dǎo)系統(tǒng)中的應(yīng)用，以探索對(duì)這一矛盾的解決途徑。大自然是人類的老師，對(duì)人眼機(jī)制的探索和模擬已成為推動(dòng)機(jī)器視覺研究的一條重要途徑。其中主動(dòng)視覺所模擬的生理機(jī)理集中在視網(wǎng)膜非均勻分布和眼動(dòng)1，它使得人眼對(duì)感興趣目標(biāo)保持較高分辨率，而對(duì)周邊背景的分辨逐漸

7、降低，從而保證了人類視覺系統(tǒng)在具有大視場(chǎng)的同時(shí)又可以高效的獲取感興趣的圖像信息，這一視覺機(jī)制也被稱為空間可變視覺2（space variant vision），當(dāng)前研究最多的就是Schwartz45提出的對(duì)數(shù)極坐標(biāo)變換(Log polar transformation)，它源于對(duì)視網(wǎng)膜視皮層之間的映射關(guān)系的描述。2 視網(wǎng)膜-視皮層映射視網(wǎng)膜具有三層細(xì)胞結(jié)構(gòu)：感受器、雙極性細(xì)胞、節(jié)細(xì)胞；依離心率的大小又可以分為三個(gè)區(qū)域：窩區(qū)(<5o)、近窩區(qū)(5o-10o)、周邊區(qū)(>10o)見圖1.1；因?yàn)殄F細(xì)胞(cone)是明視覺（photopic vision）的光感受器，所以下文以錐細(xì)胞的分

8、布作為討論對(duì)象，其中窩區(qū)錐細(xì)胞的密度最大，并隨離心率的增加錐細(xì)胞的密度快速降低，節(jié)細(xì)胞的分布也被證實(shí)有類似的非均勻分布特征，對(duì)應(yīng)感受野的大小隨離心率的增大而指數(shù)增大3，因此人眼是一種空間分辨率可變視覺系統(tǒng)，在視網(wǎng)膜窩區(qū)分辨率最高并依離心率大小呈指數(shù)下降，基于此人眼視覺也經(jīng)常被分為窩視覺(fovea vision)和周邊視覺(periphery vision)。此外，生物科學(xué)領(lǐng)域的研究成果還證實(shí)視皮層65%的區(qū)域?qū)?yīng)著<5o的視網(wǎng)膜窩區(qū)，形成了下面的視網(wǎng)膜-視皮層映射示意圖見圖1.2。圖1.1 人眼示意圖 圖1.2 視網(wǎng)膜-視皮層映射示意圖Fig 1.1 A schematic repre

9、sentation of human eye Fig1.2 schematic representation of Retino-cortical mapping最早研究這種映射關(guān)系并提出模型的是Schwartz45，提出的模型被稱為L(zhǎng)og-polar映射模型，表達(dá)了一種圖像描述的變化，其中笛卡爾坐標(biāo)代表了視網(wǎng)膜(場(chǎng)景平面)坐標(biāo)位置，而對(duì)數(shù)極坐標(biāo)為對(duì)應(yīng)的視皮層坐標(biāo)位置見圖2，描述關(guān)系的變換式如下：_中國(guó)科技論文在線笛卡爾坐標(biāo)平面： z=x+iy （1）極坐標(biāo)平面： =sqrt(x2+y2)=actag(y/x) （2）對(duì)數(shù)極坐標(biāo)平面： =log = （3）圖2.1 笛卡兒坐標(biāo)表達(dá) 圖2.2 對(duì)

10、數(shù)極坐標(biāo)表達(dá)Fig 2.1 Representation of Cartesian coordinate Fig 2.2 responding representation of Log-polar coordinate對(duì)應(yīng)位置見圖2.2的z點(diǎn)=/3) 圖2 對(duì)數(shù)極坐標(biāo)變換映射示意圖(圖2.1的Z點(diǎn)與x軸方向夾角為60o，F(xiàn)ig 2 Schematic representation of log-polar transformation (point Z of Fig2.1, which has the angle 60o cross the Xaxis, respond to point z

11、 of Fig2.2 that coordinate =/3 )圖2.1中的黑色區(qū)代表人眼注視區(qū)域(窩區(qū))，坐標(biāo)圓點(diǎn)為注視點(diǎn)，圖2.2為對(duì)數(shù)極坐標(biāo)變換后的數(shù)據(jù)結(jié)構(gòu)，可見LPT變換對(duì)注視區(qū)域數(shù)據(jù)進(jìn)行了拉伸，表現(xiàn)為圖2.2黑色區(qū)域放大；而對(duì)周邊區(qū)域數(shù)據(jù)進(jìn)行了壓縮，表現(xiàn)為圖2.1周邊的環(huán)帶數(shù)據(jù)在圖2.2中的減縮；體現(xiàn)了人眼視覺系統(tǒng)對(duì)感興趣區(qū)域(注視區(qū))的高分辨率表達(dá)和對(duì)周邊信息的低分辨描述?；诖四Ｐ捅疚慕o出人眼視覺系統(tǒng)圖像的獲取、傳輸信息流的簡(jiǎn)圖圖3。其中，視覺傳感器就是視網(wǎng)膜的感受器層；LPT變換相當(dāng)于由節(jié)細(xì)胞(ganglion cell)的軸突輸出，并在視神經(jīng)(optic nerve)、側(cè)膝體

12、等中繼結(jié)構(gòu)傳輸?shù)臄?shù)據(jù)結(jié)構(gòu)；視覺處理高端為視皮層(visual cortex)，完成視覺信息的高級(jí)處理。此視覺信息流圖描述了視覺系統(tǒng)中圖像信息的非均勻性傳遞，同時(shí)也為機(jī)器視覺的圖像高效獲取提供了借鑒，下面基于圖3研究LPT變換在主動(dòng)視覺中的實(shí)現(xiàn)。圖3 視覺系統(tǒng)的圖像信息流簡(jiǎn)圖Fig3 A chart of image information flow in visual system3 基于視網(wǎng)膜-視皮層映射的主動(dòng)視覺實(shí)現(xiàn)因?yàn)楣こ讨信龅降奶幚韴D像多屬于離散數(shù)據(jù)結(jié)構(gòu)，而Log-polar變換屬于連續(xù)性的非線3_中國(guó)科技論文在線性變換，笛卡爾坐標(biāo)與對(duì)數(shù)極坐標(biāo)不存在一一映射關(guān)系，需要在距離軸和角度軸分

13、別離散化變換；另外圖像對(duì)應(yīng)的對(duì)數(shù)極坐標(biāo)矩陣的大小反映了變換的縮減效率，而對(duì)數(shù)極坐標(biāo)矩陣的大小可以根據(jù)工程的需要進(jìn)行參數(shù)設(shè)定。為便于成像制導(dǎo)系統(tǒng)的應(yīng)用，本文給出基于精確視場(chǎng)角的Log-polar變換實(shí)現(xiàn)，其中精確視場(chǎng)角的含義是在此角內(nèi)需要保持高分辨率，而大于此角的區(qū)域分辨率快速較低。3.1 視場(chǎng)角與的關(guān)系設(shè)S為光學(xué)系統(tǒng)中心與目標(biāo)的距離，光學(xué)系統(tǒng)的瞬時(shí)視場(chǎng)角為inst_，光軸中心對(duì)應(yīng)的圖像像素O點(diǎn)的笛卡爾坐標(biāo)為(Center_x,Center_y)，因?yàn)镺點(diǎn)處于光軸之上，所以對(duì)應(yīng)的視線角為零，從O 點(diǎn)向四周隨距離的增大像素對(duì)應(yīng)的視線角隨之增大，距O點(diǎn)的最大距離設(shè)為max，則此處對(duì)應(yīng)的視線角最大也就

14、是整個(gè)光學(xué)系統(tǒng)視場(chǎng)角的一半inst_/2。一般情形S較大，那么圖像上任意點(diǎn)R(x,y)的視線角近似為： R()=Rinst_ 2max其中R= （4）上式的兩個(gè)特例：R在O點(diǎn)時(shí)，R為0對(duì)應(yīng)視線角為0；R處于距O點(diǎn)最大距離則R等于max，對(duì)應(yīng)視線角為inst_/2。如果系統(tǒng)要求精確視場(chǎng)角為Min_，那么存在高分辨，根據(jù)（4）式求得： 率與周邊低分辨的界限距離為c（此處視線角為Min_/2）c=InitmaxMin_ （5）距離注視點(diǎn)O小于c的點(diǎn)處于窩區(qū)，保持高分辨并存在數(shù)據(jù)拉伸；距離大于c的點(diǎn)處于周邊區(qū)，分辨率降低存在數(shù)據(jù)減縮；距離等于c的點(diǎn)組成一個(gè)環(huán)為臨界環(huán)，變換前后存在一一對(duì)應(yīng)關(guān)系，數(shù)據(jù)沒有

15、拉伸也沒有減縮；關(guān)于這一點(diǎn)在3.2和3.3中有進(jìn)一步的闡述。這樣基于精確視場(chǎng)角的變換就可以轉(zhuǎn)化為基于臨界距離c的變換，下面在距離軸、角度軸分別做LPT變換。_中國(guó)科技論文在線3.2 距離軸離散化變換對(duì)數(shù)極坐標(biāo)變換對(duì)距離進(jìn)行了扭曲，擴(kuò)張窩區(qū)(精確視場(chǎng)區(qū)域)、壓縮周邊區(qū)域，為了控 制數(shù)據(jù)量的減縮，增加參數(shù)k如下： =klog （6）下面討論在精確視場(chǎng)角Min_的約束下，k值的確定，首先（6）式對(duì)距離求導(dǎo)'()=k/ （7） 極坐標(biāo)平面的距離對(duì)應(yīng)的對(duì)數(shù)極坐標(biāo)平面的距離為：='()* （8）'()>1時(shí)，根據(jù)（8）式可見對(duì)數(shù)極坐標(biāo)變換結(jié)果對(duì)原距離進(jìn)行了拉伸，對(duì)應(yīng)點(diǎn)的區(qū)域處

16、于注視區(qū)；反之()<1時(shí)，變換結(jié)果對(duì)原距離進(jìn)行了壓縮，對(duì)應(yīng)點(diǎn)的區(qū)域處于周邊區(qū)；臨界距離為c，此距離下的圓環(huán)一一對(duì)應(yīng)于變換矩陣?yán)锏囊恍邢袼兀瑳]有距離的拉伸和壓縮因此：''(c)=1 （9） 結(jié)合（9）式和（7）式有：根據(jù)(5)式可得：k=c=k （10） maxc=InitMin_ （11） 那么對(duì)數(shù)極坐標(biāo)矩陣距離軸離散化LPT變換公式如下式，其中以中括號(hào)代表取整運(yùn)算符 =clog() （12） 假設(shè)圖像對(duì)數(shù)極坐標(biāo)矩陣的長(zhǎng)為P，那么有：P=clog(max) （13）3.3角度軸離散化LPT變換對(duì)數(shù)極坐標(biāo)變換為保角映射(conformal mapping)，在極坐標(biāo)平面的角

17、度：_中國(guó)科技論文在線=actag(y/x) （14） 根據(jù)上式的取值范圍是-/2 /2，而圖像的變換設(shè)計(jì)到整個(gè)圓周，本文通過平面四相限規(guī)格化處理，把整個(gè)環(huán)面的角度統(tǒng)一到0 2之內(nèi)；為了對(duì)數(shù)極坐標(biāo)矩陣進(jìn)行角度軸離散化，增加參數(shù)L：=L （15）下面采用反推法，首先假設(shè)Min_約束下對(duì)數(shù)極坐標(biāo)矩陣矩陣寬為Q，那么有：Q=L2 （16）對(duì)應(yīng)系統(tǒng)LPT變換的可分辨最小角度為：min=2/Q （17）下面根據(jù)精確視場(chǎng)角Min_的約束討論L的確定；場(chǎng)景圖像可以認(rèn)為由連續(xù)系列的同心圓環(huán)構(gòu)成，隨距離增大，圓環(huán)上的點(diǎn)逐步增多，點(diǎn)數(shù)為：N_point()=2 （18）圓環(huán)上像素間最小角度間隔，即完全分辨所需要的

18、分辨角近似為：min()=21= (19) Npo意義在于距離大于c的環(huán)完全分辨所需要的分辨角小因?yàn)榫嚯x為c的圓環(huán)為臨界環(huán)，于min，因而無法完全分辨，呈現(xiàn)數(shù)據(jù)壓縮模式；距離小于c的環(huán)完全分辨需要的分辨角大于min，因而對(duì)應(yīng)超分辨率分辨，呈現(xiàn)數(shù)據(jù)擴(kuò)張模式；臨界環(huán)上像素點(diǎn)則對(duì)應(yīng)正好可以分辨；因此結(jié)合式(17)、（19）有 min=min(c)=21= （20） N_point(c)c把（20）式結(jié)果代入式（19），得到：Q=2c （21）比較（21）和式（16），有L=c （22）因此角度軸的離散化LPT變換式：=c （23）這樣就完成了對(duì)數(shù)極坐標(biāo)變換中的角度軸離散化變換。3.4視覺高端對(duì)LPT

19、數(shù)據(jù)的還原在人類視覺系統(tǒng)中，高端處理主要集中在視皮層V1、V2、V3、V4、IT、MT等區(qū)域；比如V1區(qū)簡(jiǎn)單細(xì)胞、復(fù)雜細(xì)胞、超復(fù)雜細(xì)胞對(duì)空間域場(chǎng)景特征的識(shí)別處理，MT區(qū)對(duì)運(yùn)動(dòng)、V4對(duì)顏色等特征處理?；趫D3所示的結(jié)構(gòu)，LPT環(huán)節(jié)輸出LPT矩陣，而LPT矩陣嚴(yán)格上 6_中國(guó)科技論文在線而言是一個(gè)傳輸中間環(huán)節(jié)，矩陣本身很難體現(xiàn)目標(biāo)幾何信息，而且由于存在對(duì)數(shù)極坐標(biāo)變換對(duì)注視區(qū)域的拉伸作用，使得小于臨界距離c的點(diǎn)在對(duì)數(shù)極坐標(biāo)矩陣圖上呈現(xiàn)離散狀態(tài)（參見圖4.2LPT矩陣圖），因此視覺高端需要進(jìn)行基于LPT矩陣的圖像還原。根據(jù)式（12）（23），反運(yùn)算得場(chǎng)景圖像極坐標(biāo)：=exp(/k) =/k (24)根

20、據(jù)式（2），場(chǎng)景圖像笛卡爾坐標(biāo)：x=cos() y=sin() (25) 還原圖例見圖4.3，因?yàn)檫€原圖中像素直接源于LPT矩陣，而LPT矩陣是原圖的縮減數(shù)據(jù)結(jié)構(gòu)，因此表現(xiàn)為為一個(gè)離散的圖像結(jié)構(gòu)，中間保持高的分辨率，而周邊采樣率下降；圖4.1 原紅外圖 圖4.2 對(duì)數(shù)極坐標(biāo)變換結(jié)果圖 圖4.3 對(duì)數(shù)極坐標(biāo)變換還原圖Fig4.1 Original infrared image Fig4.2 Log-polar image Fig4.3 Reverse mapping image此外人眼視覺系統(tǒng)具有非凡的填充能力，考慮人眼對(duì)盲點(diǎn)的填充可以體會(huì)出這一點(diǎn)，因此人對(duì)場(chǎng)景的實(shí)際感知圖是一幅連續(xù)的圖樣圖4.

21、4，圖4.4是對(duì)圖4.3進(jìn)行的數(shù)據(jù)填充結(jié)果，進(jìn)一步表達(dá)了人眼是一個(gè)分辨率空間可變的系統(tǒng)，在注視區(qū)保持高分辨而在周邊分辨率快速降低。圖4.4 實(shí)際感知的填充圖樣 圖 5 掃描圖（Ecc_=1o ）Fig4.4 The perceptive image Fig5 Scanning image when Ecc_=1o4 視網(wǎng)膜映射算法在成像制導(dǎo)中的應(yīng)用探索近年來，本教研室通過對(duì)蠅視覺系統(tǒng)的仿生研究取得了很多有價(jià)值的成果，發(fā)現(xiàn)蠅卓越的飛行能力是以其獨(dú)特的視覺系統(tǒng)相關(guān)的，特性之一就是大場(chǎng)景系統(tǒng)和小場(chǎng)景系統(tǒng)的并行信息采集處理通道6，蠅復(fù)眼視覺系統(tǒng)具有幾乎360o的視場(chǎng)角，大場(chǎng)景系統(tǒng)得到周邊大范圍區(qū) 7_

22、中國(guó)科技論文在線域的環(huán)境特征，進(jìn)行飛行路線的控制，而小場(chǎng)景系統(tǒng)完成目標(biāo)的識(shí)別、跟蹤等任務(wù)；結(jié)合本文的模型，依據(jù)視場(chǎng)角的控制可以為大小場(chǎng)景系統(tǒng)提供一種有效的數(shù)學(xué)模型，實(shí)現(xiàn)靈活的圖像信息獲取。4.1 視場(chǎng)角大小與位置的控制本文第三部分提出了工程需要的基于精確視場(chǎng)角的離散LPT變換算法，為進(jìn)一步在成像制導(dǎo)系統(tǒng)中的應(yīng)用做好了準(zhǔn)備。對(duì)于一套已有成像制導(dǎo)設(shè)備，根據(jù)3.1中（4）式控制Min_的大小就可以根據(jù)要求獲得不同視場(chǎng)角的圖樣。本文以一套紅外熱像制導(dǎo)系統(tǒng)為例，它的瞬時(shí)視場(chǎng)角為3度，成像尺寸為140*140；根據(jù)式（4）式計(jì)算0.3o對(duì)應(yīng)的k值約等于9和10之間，本文選擇k為10，得到圖4系列，原紅外圖

23、的數(shù)據(jù)量為19600個(gè)字節(jié)，經(jīng)本文算法得到的對(duì)數(shù)極坐標(biāo)矩陣數(shù)據(jù)量為1593個(gè)字節(jié)，是原數(shù)據(jù)量的1/12，可見實(shí)現(xiàn)了圖像信息的高效抽?。贿@一點(diǎn)對(duì)于解決成像制導(dǎo)系統(tǒng)中視場(chǎng)角、分辨率、實(shí)時(shí)性三者間的矛盾是非常有意義的。本模型的另一個(gè)優(yōu)勢(shì)在于不必進(jìn)行光軸的移動(dòng)，僅通過選擇注視點(diǎn)就可以實(shí)現(xiàn)對(duì)場(chǎng)景的掃描，這一點(diǎn)對(duì)于具有大視場(chǎng)角的制導(dǎo)系統(tǒng)有重要價(jià)值，因?yàn)橹茖?dǎo)系統(tǒng)視場(chǎng)角的擴(kuò)大必然使得場(chǎng)境內(nèi)出現(xiàn)多個(gè)感興趣目標(biāo)的機(jī)會(huì)更大了，通過掃描可以避免目標(biāo)的遺漏。設(shè)G(Gaze_x、Gaze_y)為注視點(diǎn)的笛卡爾坐標(biāo)，根據(jù)（4）式，定義掃描角度Ecc_為G點(diǎn)的視場(chǎng)角：Ecc_=G其中eInit_ maxe= (26)本文選擇

24、為Ecc_=1o，得到對(duì)應(yīng)的場(chǎng)景圖樣，見圖5。把此模型用于成像制導(dǎo)系統(tǒng)，一方面選擇較小的精確視場(chǎng)角，在保持較大視場(chǎng)而且沒有犧牲注視區(qū)域分辨率的情況下，可以實(shí)現(xiàn)數(shù)據(jù)量大大縮減；另外，通過注視點(diǎn)的移動(dòng)可以實(shí)現(xiàn)對(duì)場(chǎng)景的掃描，方便了進(jìn)一步注意力機(jī)制的引入，并為將來大視場(chǎng)制導(dǎo)系統(tǒng)的信息獲取和處理提供了解決途徑。4.2 跟蹤角的控制當(dāng)制導(dǎo)系統(tǒng)處于跟蹤階段，對(duì)成像系統(tǒng)而言圖像匹配算法被廣泛應(yīng)用，因?yàn)槠ヅ渌惴ǖ膶?duì)于LPT矩陣，基于視場(chǎng)角與距離的關(guān)系，選擇跟蹤角，目的在于處理角內(nèi)的場(chǎng)跟蹤角對(duì)應(yīng)的LPT矩陣距離軸位置 計(jì)算量較大，使得進(jìn)行有效數(shù)據(jù)獲取顯得尤其重要，基于上述的模型可以方便的達(dá)到這一點(diǎn)。 景圖像，而摒

25、棄跟蹤角外的像素。_中國(guó)科技論文在線=klog()其中 = （27）對(duì)應(yīng)LPT矩陣長(zhǎng)度Ptrack=klog()LPT矩陣內(nèi)<Ptrack的數(shù)據(jù)為跟蹤區(qū)域，選擇跟蹤角=0.4o得到圖6.1；當(dāng)出現(xiàn)目標(biāo)丟失，可以增加跟蹤角來擴(kuò)大視場(chǎng)，比如跟蹤角為0.6o時(shí)的跟蹤圖還原，見圖6.2。圖6.1 跟蹤圖(=0.4o) 圖6.2跟蹤圖(=0.6o)因?yàn)楦櫧堑拇嬖谑沟闷ヅ渌惴ㄋ婕暗南袼亓看蟠罂s減，而且可以結(jié)合波門跟蹤的思 Fig6.1 Tracking image when=0.4o Fig6.2 Tracking image when=0.6o路進(jìn)行跟蹤角控制電路設(shè)計(jì)，通過調(diào)節(jié)跟蹤角促進(jìn)匹配運(yùn)

26、算的實(shí)時(shí)完成。5 結(jié)論視網(wǎng)膜映射是視覺系統(tǒng)非均勻性的重要體現(xiàn)，也是視覺系統(tǒng)高效性的生理基礎(chǔ)之一；本文基于仿生的思路，目的在于探索視網(wǎng)膜映射在紅外成像制導(dǎo)系統(tǒng)中的應(yīng)用，以提高成像制導(dǎo)系統(tǒng)數(shù)據(jù)處理的效率。文中提出了一種基于視場(chǎng)角概念的LPT離散化的算法，探討了本算法在成像制導(dǎo)信息獲取及處理中的應(yīng)用前景；通過算例驗(yàn)證了視網(wǎng)膜映射模型在成像制導(dǎo)中可以有效的提取場(chǎng)景數(shù)據(jù)，另外通過調(diào)節(jié)精確視場(chǎng)角、跟蹤角可以使系統(tǒng)具有靈活的數(shù)據(jù)獲取及處理能力，當(dāng)然基于本算法的紅外成像系統(tǒng)運(yùn)作策略仍然需要做進(jìn)一步的研究工作。參考文獻(xiàn)1 Gao Wen，Chen Xi-linComputer VisionBeijing: Tisinghua university Press(高文