一种三维模糊空间目标识别方法技术

一种三维模糊空间目标识别方法，属于数字图像模式识别领域，目的在于当图像出现高斯散焦模糊情况时能够精确地识别出目标的类别。本发明专利技术包括获取模板目标多视点特性视图步骤、建立模板目标模糊不变矩库步骤、归一化处理步骤、计算待识别目标模糊不变矩步骤、归一化待识别目标模糊不变矩步骤和目标识别步骤。本发明专利技术利用三维模板目标模型建立模板目标模糊不变矩库；将待识别目标图像的模糊不变矩与模板目标模糊不变矩库作比较，识别出目标的类别；处理过程对数据归一化，可有效均衡各特征量对识别结果的影响，进一步提高目标识别率；算法实现简单、运算量小、鲁棒性好，在成像目标出现较大高斯模糊条件下也能获得较高的识别率。

【技术实现步骤摘要】

本专利技术属于航天技术与模式识别交叉领域，具体涉及。
技术介绍
空间目标由于成像距离遥远以及大气湍流模糊的影响，在焦平面上的成像容易出现模糊不清的现象。当成像目标模糊不清时，使用传统的基于几何特征或形状特征的识别算法识别率往往会随着目标的模糊程度增加而迅速下降。由于空间目标在三维空间中姿态的多样性，在焦平面上的投影形状差异较大，这进一步加剧了三维空间目标识别的难度。空间目标湍流模糊一般可用高斯卷积模糊近似。因此，识别算法为了能在湍流模糊成像条件下获得较高识别率，有必要专门研究目标在高斯卷积模糊条件下仍保持不变或基本稳定的特征量用于构建高效的模糊空间目标识别算法。国内外学者对这类模糊成像目标识别进行了详细的研究，并且取得了一定的理论和实际意义。如，李元祥、许鹏、敬忠良、魏宪的“空间目标序列图像识别技术”，见《哈尔滨工业大学学报》，2009年11期；马君国、赵宏钟、李保国的“基于结构特征的空间目标识别算法”，见《现代雷达》，2005 年第 7 期；Christopher M. Cyr> Benjamin B. Kimia “3D objectrecognition using shapesimiliarity-based aspect graph，，，Computer Vision, 2001.1CCV 2001. Proceedings. Eighth IEEE International Conference on.上述研究成果都对这类特殊的问题提出了自己的解决方案，各个方案具有自己的算法特点。但是算法都存在计算复杂、运算量大、识别率低等问题专利技术内容 本专利技术提供，解决现有方法计算复杂、运算量大、识别率低的问题，当空间目标图像出现湍流模糊时，能精确地识别出目标类型。本专利技术所提供的，包括下述步骤(I)获取模板目标多视点特性视图步骤按俯仰角α每隔10°、偏航角β每隔10°将高斯观测球划分为703个二维平面，α = -90° 90°，β = -180° 180° ；将各三维模板目标Ot置于高斯观测球球心，从球心将各三维模板目标Ot分别向703个二维平面进行正投影，共得到N个三维模板目标的多视点的NX 703个特性视图Fi ；各特性视图Fi为宽度m、高度η的像素矩阵，& (X，y)为Fi的点(x，y)处像素灰度值，I (横坐标X彡m，l彡纵坐标y彡n，i = 1、2、...、K，K = NX 703，T = 1、2、…、N，N为三维模板目标的个数；(2)建立模板目标模糊不变矩库步骤，包括下述子步骤(2.1)计算各特性视图Fi的重心横坐标xiQ、纵坐标Ji0本文档来自技高网...

【技术保护点】
一种三维模糊空间目标识别方法，包括下述步骤：(1)获取模板目标多视点特性视图步骤：按俯仰角α每隔10°、偏航角β每隔10°将高斯观测球划分为703个二维平面，α＝?90°～90°，β＝?180°～180°；将各三维模板目标OT置于高斯观测球球心，从球心将各三维模板目标OT分别向703个二维平面进行正投影，共得到N个三维模板目标的多视点的N×703个特性视图Fi；各特性视图Fi为宽度m、高度n的像素矩阵，fi(x，y)为Fi的点(x，y)处像素灰度值，1≤横坐标x≤m，1≤纵坐标y≤n，i＝1、2、…、K，K＝N×703，T＝1、2、…、N，N为三维模板目标的个数；(2)建立模板目标模糊不变矩库步骤，包括下述子步骤：(2.1)计算各特性视图Fi的重心横坐标xi0、纵坐标yi0；xi0=Mi(1,0)/Mi(0,0)yi0=Mi(0,1)/Mi(0,0),其中，p+q阶原点矩Mi(p，q)：Mi(p,q)=∫∫Dixpyqfi(x,y)dxdy,式中，Di为特性视图Fi成像区域；p＝0、1，q＝0、1；(2.2)计算各特性视图Fi的p+q阶中心矩μi(p，q)：μi(p,q)=∫∫Di(x-xi0)p(y-yi0)qfi(x,y)dxdy,p＝0、1、2、3、4，q＝0、1、2、3、4；(2.3)计算各特性视图Fi的p+q阶标准化中心矩Ii(p，q)：Ii(p,q)=μi(p,q)μi(0,0)1+(p+q)/2,p＝0、1、2、3、4，q＝0、1、2、3、4；(2.4)计算各特性视图Fi的模糊不变矩{Ci，1，Ci，2，…，Ci，8}：Ci，1＝[Ii(2，0)?Ii(0，2)]2+4Ii(1，1)2Ci，2＝[Ii(3，0)?3Ii(1，2)]2+[3Ii(2，1)?Ii(0，3)]2Ci，3＝[Ii(3，0)+Ii(1，2)]2+[Ii(0，3)+Ii(2，1)]2Ci，4＝[Ii(3，0)?3Ii(1，2)]×[Ii(3，0)+Ii(1，2)]×{[Ii(3，0)+Ii(1，2)]2?3[Ii(0，3)+Ii(2，1)]2}+[3Ii(2，1)?Ii(0，3)]×[Ii(0，3)+Ii(2，1)]×{[Ii(0，3)+Ii(1，2)]2?[Ii(0，3)+Ii(2，1)]2}Ci，5＝[Ii(2，0)?Ii(0，2)]×{[Ii(3，0)+Ii(1，2)]2?[Ii(0，3)+Ii(2，1)]2}+4Ii(1，1)×[Ii(3，0)+Ii(1，2)]×[Ii(2，1)+Ii(0，3)]Ci，6＝[3Ii(2，1)?Ii(0，3)]×[Ii(3，0)+Ii(1，2)]×{[Ii(3，0)+Ii(1，2)]2?3[Ii(0，3)+Ii(2，1)]2}+[3Ii(2，1)?Ii(0，3)]×[Ii(2，1)+Ii(0，3)]×{3[Ii(0，3)+Ii(1，2)]2?[Ii(0，3)+Ii(2，1)]2}Ci，7＝[Ii(0，4)+Ii(4，0)?6Ii(2，2)]2+16{3[Ii(3，1)?Ii(1，3)]2}Ci，8＝[Ii(0，4)+Ii(4，0)?6Ii(2，2)]2×{[Ii(2，0)?Ii(0，2)]2?Ii(1，1)2}+16Ii(1，1)×[Ii(3，1)?Ii(1，3)]×[Ii(2，0)?Ii(0，2)](2.5)构建模板目标模糊不变矩库MF：MF=C1,1,C1,2,···,C1,8C2,1,C2,2,···,C2,8····················Ci,1,Ci,2,L,Ci,8··········&Ce...

【技术特征摘要】
1.一种三维模糊空间目标识别方法，包括下述步骤 (1)获取模板目标多视点特性视图步骤 按俯仰角α每隔10°、偏航角β每隔10°将高斯观测球划分为703个二维平面，α=-90° 90°，β = -180° 180° ； 将各三维模板目标Ot置于高斯观测球球心，从球心将各三维模板目标Ot分别向703个二维平面进行正投影，共得到N个三维模板目标的多视点的ΝΧ703个特性...

【专利技术属性】
技术研发人员：张天序，周钢，左芝勇，郑亚云，刘立，朱虎，朱生国，詹丽娟，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：