基于投票统计偏差的模板匹配目标识别方法、装置及设备制造方法及图纸

本申请涉及一种基于投票统计偏差的模板匹配目标识别方法、装置及设备。所述方法包括：对获取的实时图像进行几何校正，再分别提取包含有目标位置信息基准图像以及校正后实时图像的边缘特征图，接着构建位移偏差投票坐标，并计算基准边缘特征图中每个特征点与实时边缘特征图每个特征点之间的位移偏差，根据计算得到的各位移偏差在位移偏差投票坐标上对应的坐标进行加权投票，再遍历位移偏差投票坐标将投票票数最高的坐标作为平移参数，最后根据平移坐标对校正后的实时图像以及基准图像进行匹配，并基于匹配关系在校正后的实时图像中得到目标的匹配识别位置。采用本方法能够在保证目标识别的精准度的前提下大大的减少的运算量，提高识别速度。提高识别速度。提高识别速度。

【技术实现步骤摘要】
基于投票统计偏差的模板匹配目标识别方法、装置及设备


[0001]本申请涉及图像目标识别
，特别是涉及一种基于投票统计偏差的模板匹配目标识别方法、装置及设备。

技术介绍

[0002]对地多模成像制导系统采用先进的探测和信息处理技术，实现对目标的精确打击，其中复杂地面背景下的目标识别技术是核心和难点。当前，目标识别技术主要分为以下两种方案：(1)通过提取图像中的信息从而识别目标的方案，即自动目标识别ATR；该方案：首先，基于专家系统构建“目标知识基”；然后，通过计算图像在“目标知识基”所张成空间的投影来识别目标。这里“目标知识基”可以是图像的特征信息、也可以图像的统计信息。(2)通过景象匹配(图像匹配)从而捕获目标的方案，即自动目标捕获ATA；该方案：首先，提取基准图像和实时图像的待匹配基元；然后，构建待匹配基元的描述符并匹配；最后，利用基元间的匹配空间关系解算出图像配准参数，从而捕获目标。
[0003]自动目标识别(ATR)方案强烈依赖“目标知识基”的构建，而计算机视觉通常采用图像特征来实例化表达“目标知识基”。因此ATR方案要么采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于投票统计偏差的模板匹配目标识别方法，其特征在于，所述方法包括：获取实时图像以及基准图像，所述基准图像中包含目标的位置信息；对所述实时图像进行几何校正得到校正后的实时图像，分别提取所述基准图像以及校正后实时图像的边缘特征图，分别为基准边缘特征图以及实时边缘特征图；构建位移偏差投票坐标，并计算所述基准边缘特征图中每个特征点与所述实时边缘特征图中每个特征点之间的位移偏差，根据各所述位移偏差在所述位移偏差投票坐标上对应的坐标进行加权投票；遍历所述位移偏差投票坐标提取投票票数最高的坐标，将该坐标作为平移参数；根据所述平移坐标对校正后的实时图像以及基准图像进行匹配，并基于匹配关系在所述校正后的实时图像中得到所述目标的匹配识别位置。2.根据权利要求1所述的模板匹配目标识别方法，其特征在于，所述实时图像为红外图像。3.根据权利要求2所述的模板匹配目标识别方法，其特征在于，在提取所述基准图像以及校正后实时图像的边缘特征图的同时，还提取所述基准图像以及校正后实时图像每个特征点的梯度幅值以及梯度角；将所述基准图像以及校正后实时图像特征点的梯度幅值进行二值化，得到二值化后的梯度幅值；将所述基准图像以及校正后实时图像特征点的梯度角进行修正，使得各所述梯度角范围为[0,180
°
]。4.根据权利要求3所述的模板匹配目标识别方法，其特征在于，再计算所述基准边缘特征图中每个特征点与所述实时边缘特征图每个特征点之间的位移偏差之前：计算所述基准边缘特征图与所述实时边缘特征图特征点修正后的梯度角之差；根据计算结果进行判断，若所述计算结果在预设范围之内，则计算这两个特征点之间的位移偏差；若所述计算结果不在预设范围之内，则不计算这两个特征点之间的位移偏差。5.根据权利要求4所述的模板匹配目标识别方法，其特征在于，所述预设范围为[0,45
°
]。6....

【专利技术属性】
技术研发人员：王平，王佳，宋志勇，陶华敏，肖山竹，王占领，王福来，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：