[发明专利]一种基于人工蜂群优化边缘势场函数无人机目标识别方法

说明书

(一)技术领域

本发明涉及一种基于人工蜂群(Artificial Bee Colony，ABC)优化边缘势场函数(Edge Potential Function，EPF)无人机目标识别方法，属于航空航天和计算机视觉信息处理交叉领域。

(二)背景技术

无人机(UnmannedAir Vehicle，UAV)是一种有动力、可控制、能携带多种任务设备、执行多种任务，并能重复使用的无人飞行器。随着无人机性能的不断提高，以及其所具有的体积小、机动灵活、不易被发现等优点，使得无人机在侦察和巡逻、建筑物勘察、航空地图绘制、危险环境下的清障等军事和民用特殊领域显示出了巨大的应用潜力，因此一直受到世界各国的普遍重视。目标识别历来是无人机一个很重要的任务。

对目标的识别常用的一种方法是建立目标的颜色特征信息库，通过颜色匹配进行目标识别。然而理想的颜色特征信息库实际上是很难建立的，这主要是由于目标颜色的相似性与多样性、环境光照的不稳定性、目标存在部分遮挡或阴影等原因造成的。因此，实际应用中，也常利用物体的形状特征来实现对目标的识别。在计算机中目标的形状可以理解为目标的轮廓或者轮廓所包围的区域，基于不同的理解，许多形状识别方法已经被提出，如基于Hausdorff距离的特征模板匹配、傅立叶描述子、不变矩等，但都有一些局限性，到目前为止，对计算机来说，自动识别目标的形状仍然相当复杂，当发生平移、旋转、尺度变化甚至仿射、遮挡时，要使计算机快速、准确的识别出目标的形状，仍然是困难的事。

边缘势场函数是最新提出的一种可以作为目标形状识别的度量，它考虑物理学上带电粒子产生电势场的概念，引入图像中的物体边缘点可以产生边缘势场的思想。通过在解空间内寻找旋转、平移、缩放等参数，使得产生的边缘区域总的吸引力值达到最高，从而获得最佳匹配结果。经试验验证，边缘势场函数度量相比于Hausdorff距离等其它特征匹配度量，在形状识别中，尤其是在图像背景复杂、存在噪声的情况下的形状识别中，具有更好的准确性和稳定性，可以有效地利用复杂结构中单边缘点的联合效应，来实现更好的全局匹配。

人工蜂群算法是一种最新发展的模拟昆虫王国中蜜蜂群体寻找优良蜜源的仿生优化算法。它是建立在蜜蜂自组织模型和群体智能基础上的一种计算方法，它主要从蜜蜂实现采蜜的群体智能行为中得到启发。蜜蜂个体之间通过跳摇摆舞，交流彼此掌握的蜜源的距离等信息，通过蜜蜂角色的转变来进行采蜜以及寻找更优的蜜源。

在自然界中，虽然各社会阶层的蜜蜂只能完成单一的任务，但是蜜蜂通过摇摆舞、气味等多种信息交流方式，使得整个蜂群可以协同完成如构建蜂巢、收获花粉等多种工作。蜜蜂沿直线爬行，然后再向左这样一种舞蹈，其动线呈8字型，并摇摆其腹部，舞蹈的中轴线与地心引力的夹角正好表示蜜源方向和太阳方向的夹角。此外，蜜蜂摇摆舞还可以传达更详细的距离和方位信息。蜜蜂跳舞时头向上，则表明找寻蜜源位置必须朝向着太阳的方向飞行，头向下，则必须朝背着太阳的方向飞。蜜蜂跳舞的快慢与蜂巢距离蜜源的远近同样也有关系，蜜源距离愈远，蜜蜂摆尾的时间愈长，并且在摆尾时发出的嗡嗡声也会愈久。在蜂巢内的蜜蜂根据摇摆舞得到的信息，选择蜜源去采蜜或者在附近重新寻找新的蜜源。蜜蜂之间通过这种相互之间的信息交流、学习，使得整个蜂群总能找到比较优的蜜源进行采蜜。

人工蜂群算法最初被用于解决连续多峰值函数求极值问题。作为一种新兴的启发式仿生智能优化算法，目前人们对人工蜂群算法的研究已经拓展到了车间调度等组合优化问题，取得了许多新的进展，同时这要那个新兴的仿生优化算法许多其它的应用还有待我们进一步深入挖掘。

(三)发明内容

1、发明目的：

本发明提出了一种基于人工蜂群优化边缘势场函数无人机目标识别方法，其目的是提供一种解决无人机形状特征匹配的有效途径，也可应用于其它复杂的智能优化问题。

该方法利用人工蜂群算法与边缘势场函数相结合进行图形形状特征的匹配，从而实现目标的识别。该方法充分利用了边缘势场函数在目标形状识别中的准确性、稳定性，以及人工蜂群算法能找到最优匹配参数的特点。

2、技术方案：

在物理学中，电场中某点的电势等于空间各个带电粒子对这一点的产生电势的矢量之和。电荷产生电场的数学模型：