[发明专利]目标图像序列度量方法

说明书

(一)技术领域：

本发明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。

(二)背景技术：

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，设计一种目标图像序列度量方法具有很强的实际意义。

(三)发明内容：

本发明的目的在于提出一种目标图像序列度量方法，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，利用本发明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。

本发明目标图像序列度量方法，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宽。

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CM_i，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c_i的值：

ci=1N-1Σi=2N(Σ|CMi-CMi-1|Σ|CMi+CMi-1|)---(1)]]>

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：