目标图像序列度量方法技术

本发明专利技术披露了一种用于自动目标识别算法评价的目标图像序列度量方法，该方法利用帧间目标变化程度来度量目标图像序列。帧间目标变化程度的计算式中包含三个元素，分别为：（１）目标纹理变化程度，主要描述了图像序列中帧间目标纹理的变化信息，其中纹理信息利用灰度共生矩阵进行描述；（２）目标大小变化程度，主要描述了图像序列中帧间目标大小的变化信息，其中目标大小信息利用包含目标最小矩形的长和宽表示；（３）目标位置变化程度，主要描述了图像序列中帧间目标位置变化信息，其中目标位置利用目标在图像中的坐标来表示。本方法实现了对目标序列图像的度量，可以为自动目标识别算法评价提供准确可靠的输入信息。

【技术实现步骤摘要】

本专利技术涉及的是一种自动目标识别中的图像度量方法，特别是针对目标图像序列 的度量方法。属于自动目标识别领域。
技术介绍
自动目标识别技术是当今军事技术研究领域的一个前沿课题。在自动目标识别算 法的理论研究方面，基于各种理论的算法层出不穷、日新月异，空频域滤波、小波变换、模版 匹配、卡尔曼滤波、粒子滤波等理论都已经应用到算法的设计中。算法创新上的瓶颈已经不 再是缺乏理论的支持或是算法本身如何构造，而是如何客观准确地评价算法性能，从而指 导算法的设计。在评价自动目标识别算法性能时，许多学者利用图像库测试其算法，但却很 难准确比较这些算法的性能。因为在某个图像库上得出的测试结果不一定在其它图像库上 也能得出相同的结果；而且，由于测试时往往使用的是有限个战场条件下的图像，算法的性 能测试也就被限制在少数战场条件范围内，无法验证所有战场条件下的鲁棒性。另外，很多 学者在评价算法时使用自己采集或模拟合成的图像，利用这些图像对算法进行评价可靠性 更低。因此，算法性能评价迫切要求对输入图像进行准确的定量描述。对国内外相关文献进行总结分析后发现，该领域的研究主要集中在对单幅图像的 度量，目前为止尚未发现针对图像序列特点的图像度量方法。然而，目标跟踪作为自动目标 识别的重要组成部分，面对的正是由多帧图像构成的图像序列，这使得对图像序列的度量 成为不可忽视的问题。目前应用最广泛的图像度量方法如目标与背景对比度(TBC)、目标信 噪比(SNR)、信杂比(SCR)等都只是考虑了单幅图像内部的相关因素，而没有考虑多幅图像 之间的相互影响，所以这些指标用于图像序列的度量是不妥当的。在检索中，迄今为止尚未 发现有关于包含目标的图像序列度量方面的报道。所以，设计一种 具有很强的实际意义。
技术实现思路
本专利技术的目的在于提出一种，以实现对序列图像的定量度 量，该方法突破传统图像度量方法只针对单幅图像的局限性，利用本专利技术提出的方法可以 有效的描述目标图像序列，为目标跟踪算法评价提供可靠的输入。本专利技术，是通过如下步骤来实现步骤1 标定图像序列中各帧图像中包含目标的最小矩形人工确定目标在每帧图像中的坐标位置，并记录能够包含目标最小矩形的长和 觅o步骤2 计算图像序列的目标纹理变化程度计算每帧图像中包含目标最小矩形内图像的共生矩阵CMy并将每帧图像的共生 矩阵带入式(1)，计算得到目标纹理变化程度Ci的值 其中，N为图像序列中的图像数目，共生矩阵的计算方法可由如下例子表述如图1所示，图1(a)为3X3像素大小的一幅图像，灰度值如图中所示。共生矩阵 为一个NXN的矩阵，N为图像中可能出现的灰度值的数目，如对于一幅灰度值范围为0 255的图像，N = 256，在该实例中N = 3。共生矩阵的计算中，每个像素对计算该矩阵的贡 献取决于该像素相邻像素的灰度分布，以图1(a)中的中心像素为例，该像素的灰度值为2， 与其相邻有1个1，3个2，4个3，则该像素对共生矩阵的贡献如图1(b)所示。依照上述规 则，可以得到图像图1(a)完备的共生矩阵，如图1(c)所示。步骤3 计算图像序列的目标大小变化程度将步骤1记录得到的每帧图像中包含目标最小矩形的长h和宽Wi带入到式(2)， 计算得到目标大小变化程度cs的值 其中，N为图像序列中的图像数目。步骤4 计算图像序列的目标位置变化程度根据步骤1记录得到的每帧图像中目标的位置以及包含目标最小矩形的长h和 宽Wp计算得到图像序列中目标从第(i-1)帧到第i帧的位移屯以及第i帧中目标图像的 各向平均尺寸(目标矩形长和宽的平均值)并将它们带入到式(3)，计算得到目标位置 变化程度的值cp。0019 步骤5 计算图像序列的帧间目标变化程度将步骤2、3、4计算得到的目标纹理变化程度Ci、目标大小变化程度cs以及目标位 置变化程度cp带入到公式(5)计算得到帧间目标变化程度IFCDT的值。 本专利技术的实现方法是步骤1-5，计算得到的帧间目标变化程度IFCDT的值即为本 专利技术度量图像序列的结果。该方法的创新之处在于，利用目标在帧间的变化信息来定量地 度量图像序列，该信息中包含的纹理、大小及位置信息。本专利技术的优点及功效在于该实现定量的序列图像度量， 打破了传统方法只能对单幅图像进行度量的局限；同时，该方法包含了目标纹理、大小和位 置的信息，描述的信息全面。附图说明图1为本专利技术中关于灰度共生矩阵计算的实例。图2为本专利技术实施例中包含20帧图像的目标图像序列。具体实施例方式以下通过具体的实施例对本专利技术的技术方案作进一步的详细描述。本实例中用到的图像序列为飞机图像序列，该序列包含20帧图像，如图2所示。整个实施例的具体实现过程如下步骤1 标定并记录图像序列各帧图像中目标的位置以及包含目标最小矩形的长 禾口宽。本实施例对图2中的20帧图像中目标在图像中的坐标位置，以及包含目标最小矩 形的长和宽进行了标定和记录，结果如表1所示。表120帧图像中目标坐标位置及包含目标最小矩形的长宽值 步骤2 计算图像序列的目标纹理变化程度本实施例中根据步骤1标定的包含目标最小矩形，同时根据图1所示的方法计算 得到每帧图像中包含目标最小矩形内图像的共生矩阵CMp并将每帧图像的共生矩阵带入 式⑴，。 (!)在实施例中，N为图像序列中的图像数目20，计算得到目标纹理变化程度Ci的值 为 0.1977。步骤3 计算图像序列的目标大小变化程度本实施例中根据步骤1标定的每帧图像中包含目标最小矩形的长h和宽带入 到式⑵，在实施例中，N为图像序列中的图像数目20，计算得到目标大小变化程度cs的值 为 0.2226。步骤4 计算图像序列的目标位置变化程度本实施例中根据步骤1记录得到的每帧图像中目标的位置以及包含目标最小矩 形的长li和宽&，计算得到图像序列中目标从第(i_l)帧到第i帧的位移屯以及第i帧中 目标图像的各向平均尺寸(目标矩形长和宽的平均值)A “并将它们带入到式(3)，计算得到目标位置变化程度的值cp等于 步骤5 计算图像序列的帧间目标变化程度本实施例中将步骤2、3、4计算得到的目标纹理变化程度Ci、目标大小变化程度cs 以及目标位置变化程度cp带入到公式(4)计算帧间目标变化程度IFCDT的值，最终得到帧间目标变化程度的值等于0. 3222。 (4)该实施例中，图2所示序列的度量结果为该序列的帧间目标变化程度的值为 0.3222。权利要求一种，其特征在于人工标定并记录下图像序列各帧图像中目标的位置，以及包含目标最小矩形的长和宽，利用帧间目标变化程度IFCDT来度量目标图像序列，帧间目标变化程度的计算式中包含三个变量，分别为目标纹理变化程度ci、目标大小变化程度cs以及目标位置变化程度cp，本专利技术建立的帧间目标变化程度计算公式如式(1)所示。<mrow><mi>IFCDT</mi><mo>=</mo><msqrt> <msup><msub> <mi>c</mi> <mi>i</mi></msub><mn>2</mn> </msup> <mo&本文档来自技高网...

【技术保护点】
一种目标图像序列度量方法，其特征在于：人工标定并记录下图像序列各帧图像中目标的位置，以及包含目标最小矩形的长和宽，利用帧间目标变化程度ＩＦＣＤＴ来度量目标图像序列，帧间目标变化程度的计算式中包含三个变量，分别为：目标纹理变化程度ｃ↓［ｉ］、目标大小变化程度ｃ↓［ｓ］以及目标位置变化程度ｃ↓［ｐ］，本专利技术建立的帧间目标变化程度计算公式如式（１）所示。ＩＦＣＤＴ＝＊＊＊（１）。

【技术特征摘要】

【专利技术属性】
技术研发人员：毛峡，刁伟鹤，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：11[中国|北京]