【技术实现步骤摘要】
一种基于图像序列分析的目标打击结果自评估方法
[0001]本专利技术涉及打击结果评估领域,特别涉及一种基于导引头图像序列分析的目标打击结果自评估方法。
技术介绍
[0002]打击结果评估是精确作战必不可少的环节,为打击目标再分配提供基本数据支撑。一般来说,打击结果评估是指对目标实施打击后,利用一定的侦查手段获取其毁伤信息,评估毁伤情况,并据此决定后续作战计划。随着遥感技术的发展,基于图像的打击结果评估技术受到越来越广泛的关注,具有良好的应用前景。
[0003]基于图像的打击结果评估方法按照毁伤信息提取方式可以分为三类:一是基于变化检测的打击结果评估,该方法通过对比打击前后图像中目标的变化情况进行评估。典型进展包括:在像素级尺度上,通过对比打击前后雷达影像,实现打击结果评估(Yu S H,Srivastava A,Mehra R K.Automatic Battle Damage Assessment based on Laser Radar Imagery);通过基于特征对比方法,实现了对于建筑、机场等目标的打击结果评估(苏娟,鲜勇,刘代志.基于图像变化检测的打击效果自动评估算法)等。二是基于自动目标识别的打击结果评估,仅利用打击后图像,通过目标识别提取特征,评估毁伤效果。典型进展包括:实现基于遥感图像的打击结果评估(于国荣,凡根喜,于辉.基于遥感图像处理和计算的导弹打击效果物理评估方法研究);利用基于邻域灰度差值的弹坑识别算法实现打击结果评估(蒲刚,许鹏,任平,等.基于图像分析的机场跑道毁伤效果评估研究)等 ...
【技术保护点】
【技术特征摘要】
1.一种基于图像序列分析的目标打击结果自评估方法,其特征在于,包括如下步骤:步骤1、采用目标识别算法对导引头采集到的图像进行检测处理,获得每一帧图像中的目标位置,以像素坐标表示;步骤2、采用二维高斯模型对落点位置进行估计2.1建立二维高斯模型使用目标区域的亮度信息,建立目标区域的二维高斯分布模型,模型中心即为目标位置估计值,也即为落点位置估计值;2.2计算高斯模型参数高斯模型参数包括均值和方差,均值即为目标的初始估计位置,方差描述了目标在图像中的分布范围和定位精度;2.3对目标进行跟踪从上一帧图像的目标位置出发,使用高斯模型估计目标在当前图像中的位置;首先,获取当前图像中以前一帧目标位置为中心的一定范围内的像素值;然后,对这些像素值进行二维高斯滤波,得到一个加权平均值;最后,将得到的加权平均值作为当前目标的位置;2.4更新高斯模型参数根据当前帧计算得到的目标位置,更新高斯模型的参数,包括均值和方差;如此下一帧目标的位置估计将以更新高斯模型的参数为准,不断修正目标位置以提高定位精度;步骤3、采用动量算法优化权重在计算目标位置x时,各个时间点得到的结果非等权:当只有一包数据时:x=x1当有多包数据时:x=(1
‑
α)*x
t
+α*x
rst
x
rst
=x其中,α为动量因子,默认值为0.9,x
t
代表最新一帧的目标位置,其中t=1、2、3
…
,x
rst
为数据更新后当前的目标位置,也即落点位置估计值;步骤4、利用落点估计值评估打击结果通过上述步骤获得基于图像序列的落点位置估计值,将此估计值与最后一帧图像上目标位置进行比较:当二者相对距离大于阈值时,评判为未击中目标;小于等于阈值时,评判为击中目标;所述阈值根据不同导弹与打击目标,依据任务需求设定。2.根据权利要求1所述的一种基于图像序列分析的目标打击结果自评估方法,其特征在于,所述步骤2的具体计算过程表述如下:二维高斯模型的概率密度函数为:其中μ1,μ2,σ1,σ2,ρ都是常数,(x,y)表示二维随机变量,服从参数为μ1,μ2,σ1,σ2,ρ的二
维高斯分布,把这个分布记作N(μ1,μ2,σ1,σ2,ρ);μ1,μ2,σ1,σ2,ρ的范围分别为
‑
∞<μ1<∞;
‑
∞<μ2<∞;
‑
1<ρ<1;σ1>0;σ2>0,由于横坐标与纵坐标分布相互独立,因此ρ=0;落点位置数据样本服从ρ=0的二维高斯分布,获得独立多维高斯分布的极大似然估计值,也就求得了落点位置估值,具体过程如下:对于n维随机变量:当ρ=0时,概率密度函数可表示为:在
①
中:中:表示x
i
的方差,其矩阵是协方差矩阵的逆矩阵:∑∑
‑1=I根据行列式的性质,上三角矩阵的行列式等于主对角线所有元素的乘积,斜对角矩阵是一个上三角矩阵,因此协方差矩阵的行列式是:是一个上三角矩阵,因此协方差矩阵的行列式是:将
②
、
③
代入<...
【专利技术属性】
技术研发人员:吕良,李东泽,白显宗,孟志鹏,
申请(专利权)人:中国人民解放军军事科学院国防科技创新研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。