一种遥感图像多目标关联的方法技术

本发明专利技术涉及一种遥感图像多目标关联的方法，首先根据MSA变换提取目标图像的多尺度自卷积矩(MSA)特征，通过计算目标特征之间的欧氏距离获得任意两目标的匹配代价，即相似性测度。将两幅遥感图像中的多目标关联看作二维分配问题，构造多目标关联代价矩阵(ACM)，然后结合实际应用，根据关联准则构造目标函数，即全局最优化模型。最后对模拟退火算法进行改进，设定内、外循环迭代次数，并设计一种新的自适应温度更新函数，改进温度控制方式，在保证关联准确性的前提下以提高算法的时间性能。

【技术实现步骤摘要】

本专利技术涉及，基于图像多尺度自卷积矩(MultiScale Auto-convolution,MSA)特征和模拟退火优化的遥感图像多目标关联。其可以广泛应用于遥感图像多目标检测识别、融合、跟踪系统中。
技术介绍
以往的目标关联方法主要指状态滤波类方法，将目标视为点对象，利用雷达型数据提供的目标位置、速度、方位等运动特征进行关联，适合密集采样的序列图像。如1989年Shalom Y B提出了基于目标质心及质心偏移量的联合概率数据关联(JPDA)方法，首先将目标与背景分割，然后计算目标区域的质心，以估计目标的运动信息，最后利用JPDA方法实现关联与跟踪。1993年Blackman S等人提出了在红外系统中将目标检测和跟踪联合设计的方法，利用多假设跟踪(MHT)算法进行目标图像特征点的匹配跟踪。但由于当前遥感成像技术一般只能获取采样稀疏的遥感图像，很难预测目标的状态量，因此信息融合领域中传统的利用状态特征进行关联的方法并不适合遥感图像的目标关联。需要利用目标图像自身特征进行匹配，来建立新的目标关联准则。首先解决图像特征的提取问题。不变矩方法是解决图像特征不变性的常用方法，它能够克服视点变化对特征量的干扰，最具代表性的就是Hu矩特征。2005年Esa Rahtu等结合多尺度几何分析方法，在Hu矩特征的基础上，研究可以同时捕获空间特性和图像强度的多维不变描述子，构造了多尺度自卷积矩(Multi Scale Auto-convolution, MSA)特征，实践证明是目前最稳健的不变矩特征之一。然后采用距离度量法进行特征匹配，但由于遥感信息的不确定性 和特征提取算法的不精确性导致特征匹配结果存在误差，因此需要进行关联修正来消除多目标对应关系的模糊性。2008年雷琳等人对上述问题提供了一种解决思路，首先利用目标特征匹配结果构造一个多目标关联代价矩阵(Association CostMatrix, ACM)，然后采用模拟退火算法求解使得整体关联代价最小的关联代价矩阵，即为最终多目标关联结果。
技术实现思路
要解决的技术问题为了避免现有技术的不足之处，本专利技术提出，解决当前遥感成像无法准确估计目标状态信息和大场景图像中多目标匹配关联的模糊性问题。技术方案—种遥感图像多目标关联的方法，其特征在于步骤如下:步骤1、特征提取:采用MSA变换计算每幅目标图像的特征向量本文档来自技高网...

【技术保护点】
一种遥感图像多目标关联的方法，其特征在于步骤如下：步骤1、特征提取：采用MSA变换计算每幅目标图像的特征向量F(α,β)=∫R2f(u)pUα,β(u)du=∫R2f(u)(pα×pβ×pγ)(u)]]>其中：f(μ)为图像灰度函数，为概率密度函数，α，β为线性变换系数；所述α，β线性变换系数是在集合{‑1,‑0.75,‑0.5,‑0.25,0,0.25,0.5,0.75,1}中取任意两元素的组合构成29对(α,β)值，计算出多目标的29维MSA特征向量；步骤2、构造关联代价矩阵：计算目标的29维MSA特征向量之间的欧氏距离可获得任意两目标的MSA特征匹配代价；所述欧氏距离c(m,n)＝||fm,1‑fn,2||,其中：fm,1fn,2分别为前后幅图像的29维MSA特征；m＝0,1,…,M；n＝0,1,…，N，构造出关联代价矩阵C＝{a(m,n)c(m,n)}m＝0,1…M；n＝0,1,…,N；M为图像1中有M个目标；N为图像2中有N个目标；当两幅图中存在互相关联的目标时，a(m,n)取值为1，否则取值为0；假设，步骤3、根据实际的关联应用背景，两幅图像中的目标均为一对一关联，且关联不能为空，因此构造目标函数应满足如下约束条件：关联矩阵a中每一行和每一列有且只有一个元素为1；目标函数的最小值对应最优关联矩阵；构造目标函数：E=A2Σm=1M|Σn=0Namn-1|+B2Σn=1N|Σm=0Mamn-1|+Σm=0MΣn=0Ncmnamn]]>其中：amn,cmn分别为a(m,n),c(m,n)的简便表示；M,N为两幅图像中所含目标个数；A,B为系数，取较大的正常数，便于快速地求解目标函数最小值；步骤4、对步骤3构造的目标函数采用改进的模拟退火算法计算目标函数最小值，具体流程如下：(a)初始化参数设置：设定初始温度、最终温度，随机产生一个初始关联矩阵a0，并计算目标函数值E(a0)；(b)内循环：根据约束条件“关联矩阵a中每一行和每一列有且只有一个元素为1”，产生一新的解anew，计算新的目标函数值E(anew)及目标函数值的增量ΔE＝E(anew)‑E(a)；根据Metropolis重要性采样准则，粒子在当前温度T趋于平衡态的概率为χ＝exp(‑ΔE/kT)，其中ΔE为内能改变量，k为Boltzmann常数；依据概率χ＞r＝random[0,1]接受该状态为重要状态，否则舍去；再重复若干s‑max次以上新解产生过程，系统在此温度下将逐渐趋于能量较低的平衡状态；(c)退温过程：设计一个新的温度更新函数T(i+1)＝T(i)*e‑β，β＝s_num/(s_num+maxstep)，根据T(i)温度下状态被接受的次数s_num来决定降温幅度，保证温度更新有一定的自适应性；(d)外循环终止准则：判断在T(i+1)温度下得到的关联矩阵与上一温度T(i)下求解得到的关联矩阵是否一样，如果连续若干iter‑max步降温过程中由内循环搜索到的关联矩阵不变，则完成了遥感图像多目标的关联。...

【技术特征摘要】
1.一种遥感图像多目标关联的方法，其特征在于步骤如下: 步骤1、特征提取:采用MSA变换计算每幅目标图像的特征向量 2.根据权利要求1所述遥感图像多目...

【专利技术属性】
技术研发人员：李晖晖，滑立，郭雷，杨宁，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西;61