[发明专利]一种基于计算机视觉的飞行器航向跟踪方法

权利要求书

1.一种基于计算机视觉的飞行器航向跟踪方法，其特征在于，具体的实施方法如下：

步骤一、提取第n帧图像的灰度像素值；

步骤二、图像特征的改进：提取灰度图像的梯度信息，由公式

其中，f(i，j)为该图像中的横坐标为i、纵坐标为j的像素点的像素值，S_x、S_y分别为x和y方向上的梯度分量，S为最终图像梯度值，该图像宽w像素、高h像素；

步骤三、提取图像地平线；

步骤四、判定进行一次匹配还是二次匹配：选择的依据是上一帧即n-1帧的匹配结果，当上一帧二次匹配不成功，本次匹配首先进行一次匹配；当上一帧一次匹配不成功，本帧首先进行二次匹配；

步骤五、进行一次匹配：

1)判定是否是第一帧图像；

2)如果是第一帧图像：

(1)以图像中心作为模板中心，按照半矩形的排列方式，分布5个圆形模板，模板半径为10像素，相邻模板圆心距离为2倍半径，计算5个圆形模板的圆心坐标；

(2)计算模板的特征向量值：帧间匹配时，需要计算模板区域和待匹配区域的相似性，选取如下2个度量作为圆形区域的特征向量E，分别是最大灰度值GrayMax和灰度标准差σ，构成特征向量E＝(GrayMax，σ)^T；

(3)以第一帧作为一次匹配模板帧，存储模板帧的特征向量值E_M；

3)如果不是第一帧图像，判定是不是前8帧图像：

(1)如果是前8帧图像：

①沿着地平线，以图像中间2/4为搜索区域，按照已有航向跟踪方法由粗到细的搜索方式，分布5个半矩形排列的圆形模板，作为待匹配区域，模板半径为10像素，相邻模板圆心距离为2倍半径，计算5个圆形模板的圆心坐标，并计算待匹配区域的特征向量值E_n＝(GrayMax，σ)^T；

②计算待匹配区域和模板特征向量的欧式距离，计算公式如下：

其中，E_n代表第n帧待匹配区域的特征向量，E_M代表模板的特征向量，x_M代表模板特征向量的分量值，即代表最大灰度值和灰度标准差，x_n代表待匹配区域特征向量的分量值；欧式距离越小，目标和模板越相似；

③在搜索区域中，计算并存储本帧欧式距离的最小值OuMin；

④在前8帧中，计算并存储各帧OuMin的最大值，记为ou_yuzhi，作为之后匹配成功与否的标准；

(2)如果不是前8帧图像：沿着地平线将其划分为三等分，从左至右称作1区、2区和3区；以2区、1区、3区的顺序，分别在每个区域内按照由粗到细的搜索方式，计算待匹配区域与模板的特征向量间的欧式距离，求出最小的欧式距离，该距离对应的待匹配区域则为成功匹配的区域；

(3)判定成功匹配区域对应的航向是否为真航向，判定标准为：若该区域与模板间的欧式距离小于之前存储的ou_yuzhi，则为真航向，此时转入下一帧处理，即转步骤七；若不是，判定是否进行过二次匹配，若没有进行过二次匹配，则进行二次匹配，即转步骤六；若进行过二次匹配，则输出匹配失败，转步骤七；

步骤六、进行二次匹配：

1)判定是否是二次匹配的第一帧图像；

2)如果是第一帧图像：选取图像中心作为二次匹配的模板，计算并存储二次匹配模板的特征向量EM＊；

3)如果不是第一帧图像，判定是不是前8帧图像：

(1)如果是前8帧图像：沿着地平线，以图像中间2/4为搜索区域，按照已有航向跟踪方法由粗到细的搜索方式，计算待匹配区域的特征向量以及待匹配区域和模板特征向量的欧式距离；在搜索区域中，计算并存储每帧欧式距离的最小值OuMin^＊，在前8帧中，计算并存储各帧OuMin^＊的最大值记为ou_yuzhi^＊，作为之后匹配成功与否的标准；

(2)如果不是前8帧图像：沿着地平线将其划分为三等分，从左至右称作1区、2区和3区；以2区、1区、3区的顺序，分别在每个区域内按照由粗到细的搜索方式，计算待匹配区域与二次匹配模板的特征向量间的欧式距离，求出最小的欧式距离，该距离对应的待匹配区域则为成功匹配的区域；

(3)判定成功匹配区域对应的航向是否为真航向，判定标准为：若该区域与二次匹配模板间的欧式距离小于之前存储的ou_yuzhi^＊，则为真航向，转入下一帧处理，即转步骤七；若不是，判定是否进行过一次匹配，若没有进行过一次匹配，则进行一次匹配，即转步骤五；若进行过一次匹配，则输出匹配失败，转步骤七；

步骤七、转入下一帧即n+1帧的处理。

2.根据权利要求1所述的一种基于计算机视觉的飞行器航向跟踪方法，其特征在于，步骤五中，构成特征向量E＝(GrayMax，σ)^T的是最大灰度值GrayMax和灰度标准差σ，其分量计算公式如下：

①最大灰度值GrayMax

最大灰度值GrayMax是目标区域最亮的像素灰度值，

GrayMax＝max{f(k，l)；(k，l)∈N_in(i，j)}

式中，f(k，l)是图像第k行l列像素的灰度，N_in(i，j)包含圆形区域内的所有像素，i，j表示像素的行、列坐标；

②灰度标准差σ

灰度标准差σ反映目标区域像素灰度的离散程度，

其中，μ代表目标区域像素灰度的平均值，式中，n_in是N_in(i，j)内的像素数目；

按照以上公式，计算每个圆形区的特征向量E_i(i＝1，2，3，4，5)，i表示5个圆形模板，每帧图像的特征向量由5个圆形区域的特征向量合成，即：

上述两个分量的度量对匹配的重要性是不同的，所以根据各自的作用进行加权，所述的两个分量在匹配时的权值都取1。