[发明专利]一种基于多特征整合视觉注意模型的景象匹配适配性分析方法

说明书

技术领域

本发明涉及一种基于多特征整合视觉注意模型的景象匹配适配性分析方法（Area Suitability Analysis in Scene Matching based on Multi-Feature Fusion Visual Attention Model,MFF-VAM ASA），实现了无人机景象匹配视觉导航中适配性鲁棒分析的功能，可以有效提高适配区提取的可靠性和景象匹配的精确性。

背景技术

在无人机景象匹配视觉导航领域，适配性分析技术对导航精度和性能至关重要。适配区选取的好坏直接影响着导航系统的可靠性和有效性，是景象匹配视觉导航系统必须解决的首要问题。研究鲁棒、可靠的景象匹配适配性分析方法，具有重要的理论意义和应用价值。

目前，适配性分析方法可分为直接基于图像信号相关计算的方法和基于综合特征评价的方法两类。由于信号相关模型的假设往往不能贴合实际情况，而所需参数也往往难以获取，导致基于图像信号相关计算的适配性分析方法并不可靠。同样，基于综合特征评价的适配性分析方法一般通过构建图像特征指标和评价指标之间的统计模型确定适配区，需要大量实验样本，并且难以给出对各种地物、成像条件等普适的阈值。并且，影响适配性的主要因素包括景象特征、基准图与实时图间的成像差异及匹配性能要求等，各个因素之间相互制约、相互依存，导致景象匹配区的计算结果出现冲突，甚至相互矛盾。因此，现有的适配区选取方法都存在某些不足。

视觉注意是人类处理视觉信息时从外界大量信息中快速选择有关信息并拒绝无用信息的一种心理调节机制，也是人类视觉感知过程中高效性和可靠性的保障。视觉注意凭借对图像自身信息的分析，能够快速提取显著区域，而这些显著区域往往具有某些显著特征，采用适用于该特征的匹配方法进行图像匹配，这些显著区将具有较好的匹配性能。因此，视觉显著区与景象匹配视觉导航的适配区具有一定的一致性，通过引入视觉注意计算，能够对适配性分析提供一定的指导意义。与传统方法相比，基于视觉注意模型的景象匹配适配性分析在精确性、可靠性和鲁棒性方面均具有较大优势。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于多特征整合视觉注意模型的景象匹配适配性分析方法。

技术方案

一种基于多特征整合视觉注意模型的景象匹配适配性分析方法，其内容包括以下步骤：

步骤1、色彩、强度、方向的特征关注图提取；

色彩通道的关注图提取：设广义调谐的红色、绿色、蓝色和黄色分别记为R、G、B和Y，在这些通道分别产生输入图像的金字塔式特征图，即R(σ)、G(σ)、B(σ)和Y(σ)；设c为高分辨率尺度，s为低分辨率尺度，δ为二者的尺度差值，中央–周边差异操作记为“”，在色彩通道的红绿、黄蓝两个子通道分别可以得到6张特征映射图，即和经过归一化运算N和跨尺度的点对点特征图取和操作，可以得到色彩通道的关注图，即C‾=⊕c-24⊕s-c+3c+4[N(RG(c,s))+N(BY(c,s))];]]>