复杂场景下机载多光谱多域优选特征的地面伤员识别方法、装置及介质制造方法及图纸

本发明专利技术实施例公开了一种复杂场景下机载多光谱多域优选特征的地面伤员识别方法、装置及介质；该方法包括：对多光谱相机所采集的多个单波段原始图像进行预处理以完成辐射校正和波段配准，获得预处理后的反射率图像；基于所述预处理后的反射率图像，根据地物目标分类以及光谱特性、纹理特征和空间频率特征，生成针对地物目标的原始多域特征集；基于多种典型的伤员搜寻环境场景，从所述原始多域特征集中筛选出跨场景的最优特征子集；基于所述跨场景的最优特征子集对识别模型进行训练及优化，获得最优识别模型；根据所述多个单波段原始图像按照所述跨场景的最优特征子集提取对应的最优特征向量，并通过所述最优识别模型识别伤员目标。目标。目标。

【技术实现步骤摘要】
复杂场景下机载多光谱多域优选特征的地面伤员识别方法、装置及介质


[0001]本专利技术实施例涉及战场搜寻
，尤其涉及一种复杂场景下机载多光谱多域优选特征的地面伤员识别方法、装置及介质。

技术介绍

[0002]户外伤员快速搜寻一直是公共安全领域的热点问题，而基于无人机搭载各类光电传感器进行空对地伤员目标探测识别一直是相关领域的研究技术热点。
[0003]多光谱影像作为一个三维的数据立方体，在提供物体空间维的纹理和位置的同时，又能够提供物体的光谱特征信息，因此在对物体识别能力上有着其他常见探测影像(如红外、可见光)所不能比拟的优势，目前被广泛应用于植物、水质等固定背景环境应用场景。各类应用研究通过采集本应用固定场景下环境背景和识别目标的光谱数据，结合相应光谱特征进行目标探测识别。
[0004]然而，针对地面伤员快速搜寻这一特殊应用场景，无人机载多光谱搜寻技术具有极大潜力，但同时也面临以下挑战：首先就是大场景
‑
小目标的低对比度影响，具体来说，无人机在高空巡航条件下，地面人体目标与环境背景相比，呈现小目标、低背本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种复杂场景下机载多光谱多域优选特征的地面伤员识别方法，其特征在于，所述方法包括：对多光谱相机所采集的多个单波段原始图像进行预处理以完成辐射校正和波段配准，获得预处理后的反射率图像；基于所述预处理后的反射率图像，根据地物目标分类以及光谱特性、纹理特征和空间频率特征，生成针对地物目标的原始多域特征集；基于多种典型的伤员搜寻环境场景，从所述原始多域特征集中筛选出跨场景的最优特征子集；基于所述跨场景的最优特征子集对识别模型进行训练及优化，获得最优识别模型；根据所述多个单波段原始图像按照所述最优特征子集提取对应的最优特征向量，并通过所述最优识别模型识别伤员目标。2.根据权利要求1所述的方法，其特征在于，所述单波段原始图像包括单波段遥感影像像元亮度DN值原始图像；相应地，所述对多光谱相机所采集的多个单波段原始图像进行预处理以完成辐射校正和波段配准，获得预处理后的反射率图像，包括：利用所述多光谱相机拍摄灰板；从所述拍摄的灰板图像中获取灰板区域；基于所述灰板区域制作掩膜；利用所述掩膜获取所述DN值原始图像中灰板区域的DN值；对所述DN值原始图像中灰板区域的DN值消除渐晕效应，获得每个像素的辐亮度以及所述DN值原始图像中灰板区域内的平均辐亮度；通过下行光传感器DLS对每组DN值原始图像的辐亮度进行辐照度补偿后，采用经验线反射率校正方法完成辐亮度到反射率的转换，获得与多个单波段原始图像分别对应的单波段反射率图像；将多个所述单波段反射率图像通过加速稳健特征SURF算法提取特征点之后，对提取的特征点进行匹配，并计算仿射变换矩阵以完成图像重投影，生成多光谱合成反射率图像。3.根据权利要求2所述的方法，其特征在于，所述从所述拍摄的灰板图像中获取灰板区域，包括：对所述拍摄的灰板图像进行二值化处理后，根据最大类间方差法所确定的阈值对二值化处理后的图像数据进行阈值化，以使得阈值化后的黑白像素的类内方差最小化；采用16
×
16的正方形结构元素对阈值化后的图像数据进行闭运算，以获得尽可能少的连通区域，并从所有连通区域中选取最大非零连通区域为灰板区域。4.根据权利要求1所述的方法，其特征在于，所述预处理后的反射率图像，包括6张单波段反射率图像以及一张多光谱合成反射率图像；相应地，所述基于所述预处理后的反射率图像，根据地物目标分类以及光谱特性、纹理特征和空间频率特征，生成针对地物目标的原始多域特征集，包括：针对所述预处理后的反射率图像，将地物目标分类为伤员目标和背景环境两个大类，并分别获取相应光谱特征F
reflectivity
、纹理特征F
texture
和空间频率特征F
convolution
，从而形成地物目标的原始多域特征描述集初始值F
global
如下式所示：
其中，光谱特征F
reflectivity
中的R
b1
至R
b6
分别表示MS600多光谱相机的6个波段对应的辐射校正后反射率值，光谱特征光谱特征F
reflectivity
中的F
index
＝F
index
(NDVI,NDGI,NGBDI,PSRI,SIPI,mNDVI,MSR,EVI)表示8个涉及植被指数的光谱特征，包括归一化植被指数(NDVI，Normalized Difference Vegetation Index)、归一化差异绿度植被指数NDGI、归一化蓝绿差异指数NGBDI、植被衰减指数PSRI、结构不敏感色素指数SIPI、改进红边归一化植被指数mNDVI、修正型比值植被指数MSR以及增强型植被指数EVI；纹理特征F
texture
(Mean,Var,Con,Hom,Dis,Ent,ASM,Cor)为采用灰度共生矩阵针对每个波段图像分别获得的8个纹理特征F
texture
，包括均值Mean、方差Var、协同性Hom、对比度Con、相异性Dis、信息熵Ent、二阶矩ASM和相关性Cor；空间频率特征F
convolution
为针对预处理后多个单波段反射率图像分别执行高通滤波和低通滤波所得到的高频特征和低频特征，其中，HP
b1
到HP
b6
为6...

【专利技术属性】
技术研发人员：祁富贵，路国华，朱明明，雷涛，李丹，李钊，夏娟娟，张林媛，闫一力，王健琪，
申请(专利权)人：中国人民解放军空军军医大学，
类型：发明
国别省市：