[发明专利]基于对象追踪的图像增稳算法

说明书

技术领域

本发明涉及飞行器增稳技术，尤其是涉及基于对象追踪的图像增稳算法。

背景技术

目前增稳算法主要依靠设计俯仰，滚转和航向通道的稳定系统，配合内外回路组成硬件系统使得硬件布线过于复杂，降低飞行器稳定性，另一方面大量的传感器器件使得飞行的消耗的电量大增，从而降低了飞行器的飞行时间。如特征结构配置法，特征结构配置/奇异值灵敏度分析/回路传递复现（LTR）综合设计算法，二次型最优算法，鲁棒H设计方法等。

发明内容

本发明的目的在于提供一种可实现飞行器增稳以及飞行器精确定位、以及增加飞行时间的微调技术。

本发明通过以下技术方案实现发明目的：

一种基于对象追踪的图像增稳算法，包括以下步骤：

1）获取飞行器下方一帧实时图像，并将该图像转化为灰度图；对该灰度图进行模糊化处理，并选取灰度梯度值变化最大的矩形区域作为检测目标；并将检测目标中心位置存在轨迹栈中；

2）对检测目标进行维度压缩处理；对检测目标的矩形区域内、外的一系列子图像进行多尺度变换，再通过一个稀疏矩阵对多尺度图像特征进行维度压缩；

3）对经过维度压缩处理后的检测目标的矩形区域内、外的一系列子图像进行特征提取，得到不同子图像的特征向量组；将此特征向量组作为朴素贝叶斯分类器的学习参数对朴素贝叶斯分类器进行训练；

4）获取飞行器下方下一帧实时图像，并对其进行灰度化、模糊化处理；在本帧实时图像位于上一帧跟踪到的目标位置的矩形区域内选择一系列子图像，并对该系列子图像进行维度压缩处理以及特征提取，得到该系列子图像的特征向量组；将此特征向量组作为朴素贝叶斯分类器的参数输入到朴素贝叶斯分类器中；

5）若朴素贝叶斯分类器计算成功，则步骤4）中经朴素贝叶斯分类器计算获得分数最大值的特征向量组为预测步骤4）获取的实时图像的检测目标的位置；若分类器计算值低于测试阀值，则对轨迹栈进行弹栈处理，弹出的参数与当前帧检测目标的位置即组成飞行器调整向量；返回步骤1）进行重复操作。

本发明为实现飞行器增稳以及飞行器精确定位的增稳算法，相对于现有算法，其采集数据需要的传感器数量少，且传感器系统设计简单，且增稳的效果以及可扩展性都有了进一步的提升；同时，由于器件的减少，使采用本增稳算法的飞行器的飞行时间有进一步的提高。

附图说明

以下结合附图对本发明进行详细描述。

图1为本发明增稳算法的流程图。

具体实施方式

如图1所示，本发明基于对象追踪的图像增稳算法，包括以下步骤：

1）通过设置于飞行器底部的摄像头获取飞行器下方一帧实时图像，并将该图像转化为灰度图；对该灰度图进行模糊化处理，并选取灰度梯度值变化最大的区域作为检测目标，该区域的宽与高通过随机设定；并将检测目标中心位置存在轨迹栈S_trace中:S_trace→S_trace∪pos_i,其中pos_i为第i帧检测目标的位置。

2）对检测目标进行维度压缩处理；对检测目标的矩形区域内、外的一系列子图像进行多尺度变换，再通过一个稀疏矩阵对多尺度图像特征进行维度压缩。

子图像多尺度变换的过程为：对于每张子图片，Z∈R^w×h为宽为w高为h的图片；设置不同大小矩形模板{h_1,1,…_,h_w,h}；其中i为矩形模板的宽，j为矩形模板的高，x，y为矩形模板内某像素点的坐标；那么通过矩形模板将子图片过滤成不同大小的子图片尺寸；经过矩形模板裁剪后子图片集为：X＝(x₁,…,x_m)^T∈R^m其中x_i为矩形模板，m＝(wh)²。