基于自适应权重和置信度的高光谱图像目标跟踪方法技术

本发明专利技术公开了基于自适应权重和置信度的高光谱图像目标跟踪方法，获得归一化后第一帧、第t帧和相邻帧高光谱图像，再通过主成分分析法对图像降维分别获得三张单波段的灰度图像Z1、Z

【技术实现步骤摘要】
基于自适应权重和置信度的高光谱图像目标跟踪方法


[0001]本专利技术属于图像处理
，具体涉及基于自适应权重和置信度的高光谱图像目标跟踪方法。

技术介绍

[0002]目前在计算机视觉领域，使用高光谱视频跟踪还是一个新兴领域，高光谱目标跟踪广泛应用军事上的精准制导、太空研究中的行星地质土壤研究和地震预防搜救等热点领域。
[0003]然而，目前大多数目标跟踪的领域都是以可见光视频为数据进行研究，并且可见光条件下的目标跟踪往往因为目标与背景的颜色相近而难以区分，尤其是在受到光照变化的影响，导致跟踪的目标发生漂移。
[0004]高光谱视频目标跟踪是基于高光谱相机在不同波段下捕捉各个物体的光谱反射率，从而精准定位目标。即便颜色相近，也能根据不同波段上的光谱信息轻松识别不同材料的目标，因此，高光谱视频目标跟踪逐渐受到人们关注。
[0005]目前主流有两个跟踪框架，一个是基于相关滤波框架，一个是基于孪生网络的深度学习框架。
[0006]基于滤波器的目标跟踪算法，典型的算法为基于上下文感知的相关滤波器跟踪算法，该算法提取方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应权重和置信度的高光谱图像目标跟踪方法，其特征在于，该方法为：步骤一、载入高光谱图像序列中的第1帧高光谱图像，第t帧高光谱图像和第t帧的相邻帧高光谱图像,并分别对其进行灰度归一化，分别获得归一化后的第1帧高光谱图像X1、归一化后的第t帧高光谱图像X
t
和归一化后的第t帧相邻帧高光谱图像其中，t表示高光谱图像序列中的高光谱图像的帧数，t为大于等2的整数，a表示相邻帧高光谱图像的帧数，a的值为t
‑
1，X1、X
t
和内每个像素的灰度范围是0到1的左闭右闭区间，X1、X
t
和的通道数量均为16；步骤二、通过主成分分析操作分别对X1、X
t
和进行降维，分别获得归一化后降维的第1帧高光谱图像Z1、归一化后降维的第t帧高光谱图像Z
t
和归一化后降维的第t帧相邻帧高光谱图像其中，Z1、Z
t
和的通道数量均为1；步骤三、从Z1中手动框选出第1帧目标区域I1；在Z
t
中以第t
‑
1帧目标区域型心为第t帧搜索区域I
t
的型心坐标，以第t
‑
1帧目标区域尺寸的两倍作为第t帧搜索区域I
t
的尺寸，从Z
t
中自动框选出第t帧搜索区域I
t
；在中以第t
‑
1帧目标区域型心为第t帧相邻帧目标区域的型心坐标，以第t
‑
1帧目标区域尺寸作为第t帧相邻帧目标区域的尺寸，从中自动框选出第t帧相邻帧目标区域其中，I1的尺寸大小为m
×
n个像素，m表示行数，n表示列数，I
t
的尺寸大小为2m
×
2n个像素，的尺寸大小为m
×
n个像素；步骤四、将I1复制三次获得三通道的第1帧目标区域将I
t
复制三次获得三通道的第t帧搜索区域将复制三次获得三通道的第t帧相邻帧目标区域步骤五、构造双孪生网络框架，该双孪生网络框架包括第一路孪生网络和第二路孪生网络，将第一路孪生网络的输入设置为和所述第一路孪生网络中和的相似性函数为将第二路孪生网络的输入设置为和所述第二路孪生网络中和的相似性函数为步骤六、通过AlexNet网络分别提取的深度特征E1，提取的深度特征E
t
和提取的深度特征步骤七、通过E1与E
t
进行朴素相关操作获得初始响应图R1，再通过与E
t
进行朴素相关操作获得相邻响应图步骤八、确定R1的峰值旁瓣比F
p
(R1)以及的峰值旁瓣比步骤九、通过F
p
(R1)确定R1的自适应权重w
i
，以及通过和相邻帧置信度F
c
(t
‑
1)确定的自适应权重w
a
；步骤十、通过归一化后操作，确定w
i
归一化后的结果w1，确定w
a
归一化后的结果w2；步骤十一、通过w1、R1、w2和确定融合响应图步骤十二、通过确定当前帧参考值v
t
；步骤十三、更新相邻帧置信度F
c
(t
‑
1)；
步骤十四、通过和尺度估计模块实现高光谱图像目标跟踪，输出当前帧高光谱图像目标的型心坐标和目标框的大小；步骤十五、更新当前帧置信度F
c
(t)；步骤十六、更新X
t
...

【专利技术属性】
技术研发人员：赵东，胡斌，汪梦元，张喆，胡剑凌，郭业才，李鹏，黄瑞，程进，李晖，余耀，马弘宇，
申请(专利权)人：无锡学院，
类型：发明
国别省市：