一种基于红外图像的人造目标特征提取方法技术

本发明专利技术公开一种基于红外图像的人造目标特征提取方法，特征描述性高、鲁棒性强。本发明专利技术的人造目标特征提取，包括如下步骤：(10)辐射特征提取：对红外相机中成像的人造目标进行辐射特征提取；(20)形状特征提取：对红外目标的形状特征进行提取；(30)不变矩特征提取：计算红外目标的不变矩，描述目标区域的灰度分布特征；(40)分形特征提取：提取红外目标的分形特征，计算分形维数特征参数。计算分形维数特征参数。计算分形维数特征参数。

An artificial target feature extraction method based on infrared image

【技术实现步骤摘要】
一种基于红外图像的人造目标特征提取方法


[0001]本专利技术属于红外目标特征提取领域，特别是一种特征描述性高、鲁棒性强的基于红外图像的人造目标特征提取方法。

技术介绍

[0002]当前，国内外众多机载、星载系统和舰载、地基等系统的运行为科学研究提供了大量的数据资源，加速了研究工作的步伐。但是目前公开的文献大多对森林、湿地、农作物等自然目标进行研究，对于人造目标特征的提取和应用的文献并不多见。建筑物的特征提取可以应用于震灾损毁的定量评估；针对无人机的特征研究不仅能够监测战时无人机的整体布局和战术情况，同时能够结合所获得局部部件的信息反演出无人机的形状、结构以及姿态信息甚至具有估计单个无人机载弹量的潜力。对于人造目标特征提取，有助于获取舰船、坦克、导弹发射车、机动指挥中心以及机场导航站的结构、形状、材料等信息，可为军事作战提供精准的情报分析，具有不可估量的价值。
[0003]对于人造目标的特征提取的研究，多年来经过国内外科研工作者的努力，在HRRP、二维SAR/ISAR图像等众多领域己经取得了许多振奋人心的结果。对于二维图像特征提取，目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于红外图像的人造目标特征提取方法，其特征在于，包括如下步骤：(10)辐射特征提取：对红外相机中成像的人造目标进行辐射特征提取，所述辐射特征包括局部方差、区域对比度；(20)形状特征提取：对红外目标的形状特征进行提取，所述形状特征包括长宽比、复杂度、紧凑度、圆形度；(30)不变矩特征提取：计算红外目标的不变矩，描述目标区域的灰度分布特征；(40)分形特征提取：提取红外目标的分形特征，计算分形维数特征参数。2.根据权利要求1所述的人造目标特征提取方法，其特征在于，所述(10)辐射特征提取步骤包括：(11)局部方差计算：采用如下所示的公式来计算局部方差：式中，(x,y)表示像素坐标，f(x,y)表示红外图像像素灰度值，Ω、Ω1、Ω2为(x,y)的三个邻域，m
Ω
(x,y)为Ω的局部均值，C
m
(x,y)为Ω1、Ω2局部均值对比度，σ
Ω
(x,y)为局部方差，N为Ω包含的像素总数；(12)区域对比度计算：通过如下公式计算区域对比度：式中，Ф1为区域对比度，Max、Min分别为目标最亮像素灰度值和最暗灰度值。3.根据权利要求2所述的人造目标特征提取方法，其特征在于，所述(20)形状特征提取步骤包括：(21)长宽比计算：按下式计算长宽比：式中，Φ1为目标区域最小外接矩形的长度与宽度之比，(Top,Left)为目标区域最小外接矩形的左上顶点坐标，(Bottom,Right)为目标区域最小外接矩形的右下顶点坐标；(22)复杂度计算：按下式计算目标区域复杂度：Φ2＝P/A
ꢀꢀꢀꢀꢀꢀ
(4)式中，Φ2为目标区域复杂度，P表示目标边界像素点数，A表示目标区域的面积；(23)紧凑度计算：包围目标的最小外接矩形的像素个数即面积为：Area＝(Right
‑
Left)*(Bottom
‑
Top)
ꢀꢀꢀꢀ
(5)按下式计算紧凑度：
Φ3＝A/Area
ꢀꢀꢀꢀꢀꢀ
(6)式中，Area为最小外接矩形的面积，Φ3为紧凑度；(24)圆形度计算：按下式计算圆形度：T＝P2/(4πA)
ꢀꢀꢀꢀꢀ
(7)式中，T为圆形度，即目标周长的平方与目标面积之比。4.根据权利要求3所述的人造目标特征提取方法，其特征在于，所述(30)不变矩特征提取步骤具体为：对于一幅灰度图像f(x,y),(p+q)阶矩定义为：m
pq
＝∫∫x
p
y
q
f(x,y)dxdy
ꢀꢀꢀꢀ
(8)(p+q)阶中心距定义为：式中，归一化中心距为：由此计算出的七个不变矩特征如下：I1＝y
20
+y
02
I3＝(y
30
‑
3y
12
)2+(3y
12
‑
y
03
)2I4＝(y
30
+y
12
)2+(y
12
+y

【专利技术属性】
技术研发人员：郭海峰，钱惟贤，
申请(专利权)人：丹阳钒曦光电科技有限公司，
类型：发明
国别省市：