一种实时目标匹配定位中的适配区域自适应选取方法技术

本发明专利技术公开了一种实时目标匹配定位中的适配区域自适应选取方法，属于计算机图像识别技术领域。本发明专利技术包括：对实时图像进行预处理与阈值分割；利用地标、目标空间位置关系构建势函数；利用局部区域稳定性指标和局部区域强度指标，在空间位置势函数的约束下进行第一层筛选；对得到的候选匹配区域进行非极大值抑制，去掉重叠较多的区域；然后进行相关面特征指标筛选并排序；最后通过势函数迭代策略选取最优的适配区域。本发明专利技术在目标匹配识别定位过程可匹配区域数量不足的情况下，自适应地、实时地选取信息量丰富、稳定可靠、且无重复模式的适配区域。

Adaptive region selection method for real-time target matching and location

The invention discloses an adaptive selection method of an adaptive region in real-time target matching and positioning, which belongs to the technical field of computer image recognition. The invention comprises: pre-processing and threshold segmentation of real-time image; constructing potential function by using the relationship between landmark and target spatial position; screening the first layer under the constraint of spatial position potential function by using local region stability index and local region strength index; non-maximum suppression of the obtained candidate matching region. Firstly, the overlapping regions are removed, and then the feature indexes of related surfaces are filtered and sorted. Finally, the optimal adaptive region is selected by the potential function iteration strategy. When the number of matchable regions is insufficient in the target matching recognition and positioning process, the invention adaptively and real-time selects the matching regions which are rich in information, stable and reliable, and have no repetitive patterns.

【技术实现步骤摘要】
一种实时目标匹配定位中的适配区域自适应选取方法
本专利技术属于计算机图像识别
，更具体地，涉及一种实时目标匹配定位中的适配区域自适应选取方法。
技术介绍
目标匹配定位技术是计算机视觉领域中的一项关键技术，在飞行器导航、视频监控、图像搜索等领域都有着重要的研究和应用价值。基于图像匹配的目标匹配定位技术是指在成像平台上利用获得的实时图像数据和平台姿态信息，与预存的参考图像数据进行匹配，完成对目标的匹配定位。随着信息化技术的飞速发展，目标检测识别技术在飞行器导航等领域中发挥着越来越重要的作用。在实际应用中，由于许多因素影响，包括成像平台与目标距离过远、气候时相变化、光照变化、成像噪声和畸变、目标被云层、烟雾等遮掩等，导致目标区域适配性较差，进而影响匹配识别的可靠性和精度。针对上述问题，研究人员提出了基于多子区的目标识别定位方法，将多个子区的识别结果进行融合识别，得到最终目标位置，较好的解决了目标适配性低的情况，且可靠性较高。目前的多子区目标识别定位方法依赖于视场内的地标，虽然通过自动切换等策略可以保证视场内地标数量，但当视场出现剧烈变化，如大幅度偏移，或者与目标过近时，视场内可供切换地标数量不足，导致融合识别的正确率和精度下降，甚至丢失目标。目前现有技术中采用多特征融合的方式进行自动适配区域选择，选取准则采用边缘密度、平均边缘强度及边缘方向离散度三种特征组成综合适配特征指标，但是没有对适配区域的独特性与唯一性进行分析。现有技术中还有利用USAN几何特征进行模板选取，计算量大，实时性不足，且没有考虑匹配区域的唯一性与独特性。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种基于动态多子区的目标实时检测识别方法，在于基于空间位置关系和局部信息量、结构强度适配性指标以及相关面特征指标来自适应选取满足算法要求的匹配区域，由此解决目标匹配识别定位过程中匹配区域数量不足的技术问题。为实现上述目的，本专利技术提供了一种基于动态多子区的目标实时检测识别方法，所述(1)对待处理图像进行降噪及阈值分割处理，在待处理图像中划分出前景和背景，再将待处理图像划分为多个子块；(2)根据已有地标和目标信息的空间位置信息构建空间位置势函数；(3)先利用空间位置势函数对子块进行筛选，再利用子块结构信息和子块结构强度对剩余子块进行筛选；(4)对筛选后剩余子块进行非极大值抑制，筛除重复区域较多的子块；(5)以筛选后剩余子块中心为中心，以设定大小构建匹配区域，子块在匹配区域中遍历匹配得到子块相关面，通过相关面主次峰值比和相关峰陡峭程度对相关面对应子块进行筛选；所述设定大小为子块大小的2-4倍，优选子块的3倍大小；(6)对筛选后剩余子块的相关面主次峰值比、相关面相关峰陡峭程度和空间位置势函数进行加权融合得到适配指标，根据适配指标在剩余子块中逐个迭代选取适配区域并更新空间位置势函数。进一步地，所述步骤(1)中将将待处理图像划分为多个子块具体为：(11)确定子块的大小：其中，[Smin，Smax]为地标大小范围；R表示当前图像的分辨率为R米/像素；地标大小范围中Smin和Smax的取值范围为[100，500]，[Smin，Smax]的优选取值为[100，200]；(12)确定划分子块的步长：(13)按子块的大小和步长在待处理图像中滑动选取子块。进一步地，所述步骤(2)具体包括：(21)根据已有地标之间的空间位置约束关系构建第一势函数：其中，已有地标中心位置为(x1，y1)，(x2，y2)…(xn，yn)，k∈[1，n]，(i，j)表示图中位置，σ表示地标大小；(22)根据目标与已有地标之间的空间位置约束关系构建第二势函数：其中，(xt，yt)表示目标中心位置；(23)融合第一势函数和第二势函数得到空间位置势函数：进一步地，所述步骤(3)中利用空间位置势函数对子块进行筛选具体为：(31)计算子块Pk中心位置(i，j)对应的空间位置势函数Wsk(i，j)，若WSk(i，j)＜0，则从子块集中删除子块子块Pk；(32)对子块集中所有子块重复步骤(31)，得到筛选后子块集。进一步地，所述利用子块结构信息和子块结构强度对剩余子块进行筛选具体为；(33)计算子块集中所有子块的子块结构信息Esh：其中，Sfore表示子块区域内被标记为前景的面积，Stotal表示子块区域总面积；(34)计算子块结构强度Ear；其中，Sconnect表示子块区域中连通区域面积，th1表示连通区域阈值；th1的取值范围为[0.02，0.1]，优选取值为0.04；(35)若Esh∈[1/3，2/3]不成立，则删除该子块；若Ear＞th2不成立，则删除该子块；其中th2为结构强度阈值；th2的取值范围为[0.2，0.5]，优选取值为0.2。进一步地，所述步骤(4)具体为：(41)将剩余子块按照Ear从低到高进行排序，将Ear最高的子块从剩余子块中剔除，置入已计算子块集中，计算Ear最高的子块与其余所有子块的重叠面积，保留重叠面积小于重叠阈值th3的子块，将大于阈值的子块筛除；th3的取值范围为[0.1，0.5]，优选取值为0.2；(42)若剩余子块数为0，则结束步骤(4)，否则返回步骤(41)。进一步地，通过相关面主次峰值比对相关面对应子块进行筛选具体为：(51)计算主次峰值比：其中，Vsub表示次高峰；Vmax表示最高峰；(52)若Msub＜MTh1不成立，则剔除该相关面对应的子块，其中MTh1表示主次峰阈值；主次峰阈值取值范围为[0.5，0.8]，优选取值为0.7。进一步地，通过相关面相关峰陡峭程度对相关面对应子块进行筛选具体为：(53)以相关面中最高峰P0＝Pmax为起点开始，寻找P0的八邻域中最大值点更新起点计算距离dis＝norm(P1，Pmax)，若dis＜radius，则令i＝1，进入步骤(54)；否则进入步骤(56)；其中，radius表示距离阈值；距离阈值的取值范围为[7,10]，优选取值为9；(54)从Pi开始，寻找Pi八邻域中点满足条件且且为满足前条件中最大值点；计算更新进入步骤(55)；否则进入步骤(56)；(55)更新i＝1+i，重复步骤(54)；(56)计算相关面相关峰陡峭程度：其中，表示点Pi的值，其中，deacy表示陡峭参数；陡峭参数的取值范围为[0.1，0.3]，优选取值0.2；(57)若Mpc＜MTh2不成立，则剔除该相关面对应的子块，其中MTh2表示相关峰陡峭程度阈值；相关峰陡峭程度阈值取值范围为[0.2，0.8]，优选取值0.7。进一步地，所述步骤(6)具体包括：(61)将相关面主次峰值比和相关面相关峰陡峭程度进行加权融合：MT＝1-(Msub+0.5*Mpc)继续和空间位置势函数进行加权融合：MS＝WS(i，j)×MT；(62)计算剩余子块的适配指标MS，选取MS最大的子块Tk做为新的适配区域，从剩余子块中删除Tk；(63)将子块Tk加入到已有地标中并执行步骤(2)，得到子块Tk的空间位置势函数Wnew，更新空间位置势函数WS＝WS+Wt+Wnew；(64)统计新的适配区域数量是否达到设定需求，若达到则步骤(6)完成，否则返回步骤(61)。总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，具有以下技术特征及有益效果：(1本文档来自技高网...

【技术保护点】
1.一种实时目标匹配定位中的适配区域自适应选取方法，其特征在于，所述方法包括：(1)对待处理图像进行降噪及阈值分割处理，在待处理图像中划分出前景和背景，再将待处理图像划分为多个子块；(2)根据已有地标和目标信息的空间位置信息构建空间位置势函数；(3)先利用空间位置势函数对子块进行筛选，再利用子块结构信息和子块结构强度对剩余子块进行筛选；(4)对筛选后剩余子块进行非极大值抑制，筛除重复区域较多的子块；(5)以筛选后剩余子块中心为中心，以设定大小构建匹配区域，子块在匹配区域中遍历匹配得到子块相关面，通过相关面主次峰值比和相关峰陡峭程度对相关面对应子块进行筛选；(6)对筛选后剩余子块的相关面主次峰值比、相关面相关峰陡峭程度和空间位置势函数进行加权融合得到适配指标，根据适配指标在剩余子块中逐个迭代选取适配区域并更新空间位置势函数。

【技术特征摘要】
1.一种实时目标匹配定位中的适配区域自适应选取方法，其特征在于，所述方法包括：(1)对待处理图像进行降噪及阈值分割处理，在待处理图像中划分出前景和背景，再将待处理图像划分为多个子块；(2)根据已有地标和目标信息的空间位置信息构建空间位置势函数；(3)先利用空间位置势函数对子块进行筛选，再利用子块结构信息和子块结构强度对剩余子块进行筛选；(4)对筛选后剩余子块进行非极大值抑制，筛除重复区域较多的子块；(5)以筛选后剩余子块中心为中心，以设定大小构建匹配区域，子块在匹配区域中遍历匹配得到子块相关面，通过相关面主次峰值比和相关峰陡峭程度对相关面对应子块进行筛选；(6)对筛选后剩余子块的相关面主次峰值比、相关面相关峰陡峭程度和空间位置势函数进行加权融合得到适配指标，根据适配指标在剩余子块中逐个迭代选取适配区域并更新空间位置势函数。2.根据权利要求1所述的一种实时目标匹配定位中的适配区域自适应选取方法，其特征在于，所述步骤(1)中将将待处理图像划分为多个子块具体为：(11)确定子块的大小：其中，[Smin，Smax]为地标大小范围；R表示当前图像的分辨率为R米/像素；(12)确定划分子块的步长：(13)按子块的大小和步长在待处理图像中滑动选取子块。3.根据权利要求1或2所述的一种实时目标匹配定位中的适配区域自适应选取方法，其特征在于，所述步骤(2)具体包括：(21)根据已有地标之间的空间位置约束关系构建第一势函数：其中，已有地标中心位置为(x1，y1)，(x2，y2)…(xn，yn)，k∈[1，n]，(i，j)表示图中位置，σ表示地标大小；(22)根据目标与已有地标之间的空间位置约束关系构建第二势函数：其中，(xt，yt)表示目标中心位置；(23)融合第一势函数和第二势函数得到空间位置势函数：4.根据权利要求3所述的一种实时目标匹配定位中的适配区域自适应选取方法，其特征在于，所述步骤(3)中利用空间位置势函数对子块进行筛选具体为：(31)计算子块Pk中心位置(i，j)对应的空间位置势函数WSk(i，j)，若WSk(i，j)＜0，则从子块集中删除子块子块Pk；(32)对子块集中所有子块重复步骤(31)，得到筛选后子块集。5.根据权利要求1或2所述的一种实时目标匹配定位中的适配区域自适应选取方法，其特征在于，所述利用子块结构信息和子块结构强度对剩余子块进行筛选具体为；(33)计算子块集中所有子块的子块结构信息Esh：其中，Sfore表示子块区域内被标记为前景的面积，Stotal表示子块区域总面积；(34)计算子块结构强度Eat；其中，Sconnect表示子块区域中连通区域面积，th1表示连通区域阈值；(35)若Esh∈[1/3...

【专利技术属性】
技术研发人员：王岳环，黄辛未，谷海国，方馨，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北,42