[发明专利]基于混合特征的空中加油锥套目标检测方法

权利要求书

1.一种基于混合特征的空中加油锥套目标检测方法，其特征在于，该方法包括以下步骤：

步骤S1，将手工标定的空中加油管锥套的正样本集S_P0={p_p0’,p_p1’,…,p_psp’}，及累积生成的背景负样本集S_N0={p_n0’,p_n1’,…,p_nsn’}进行归一化，得到分辨率为w×h的灰度图片集合S_P和S_n；

步骤S2：提取所述灰度图片集合S_P和S_n中图像的特征向量，得到用于训练的特征向量集合，进而训练得到能够识别空中加油锥套中心油管的第一分类器C₁；

步骤S3：提取所述灰度图片集合S_P和S_n中每幅图像外围伞套区域的边缘特征信息，利用边缘特征信息的统计信息，训练得到能够识别空中加油锥套外围伞套的第二分类器C₂；

步骤S4：线性组合所述第一分类器C₁和第二分类器C₂，生成目标检测分类器，利用所述目标检测分类器对空中加油锥套目标进行检测。

2.根据权利要求1所述的方法，其特征在于，所述特征向量包括图像中心区域的灰度信息和/或边缘信息。

3.根据权利要求1所述的方法，其特征在于，所述步骤S2进一步包括以下步骤：

步骤S2A：提取所述灰度图片集合S_P和S_n中每幅图像的中心子图像区域，构成新的中心图像集合S_cp和S_cn；

步骤S2B：使用中心图像集合S_cp和S_cn中每幅图像中某些像素位置的灰度特征，分别构造相应数量的弱分类器，通过自适应提升过程（Ada-Boost），选取最具有分辨能力的前M个灰度特征作为训练特征中的前M个特征向量；

步骤S2C：使用N个方向的Gabor小波函数处理中心图像集合S_cp和S_cn中的图像，提取其边缘信息，生成相应的小波响应幅值，分别构造与小波响应幅值的数量相对应数量的弱分类器，通过自适应提升过程（Ada-Boost），选取最具有分辨能力的S个边缘特征，作为训练特征中的后S个特征向量；

步骤S2D：使用每幅图像P的训练特征作为训练分类器的输入，生成判断一个区域是否含有与锥套油管类似的黑色中心区域的第一分类器C₁。

4.根据权利要求3所述的方法，其特征在于，所述Gabor小波函数为尺度σ=4，扩散程度λ=2√2的二维Gabor小波。

5.根据权利要求1所述的方法，其特征在于，所述步骤S3进一步包括以下步骤：

步骤S3A：将所述灰度图片集合S_P和S_n中每幅图像的外围区域划分为L个子区域，得到有效的外围子区域集合R_p和非锥套外围子区域集合R_n；

步骤S3B：对于集合R_p和R_n中的子区域边缘特征进行提取，对于某子区域R_i，构造其边缘特征向量；

步骤S3C：对在集合R_p和R_n上构造得到的多个边缘特征向量进行训练，生成能够确定某一梯形区域是否为空中加油锥套中外围伞套的一部分的分类器C₂’；

步骤S3D：通过组合分类器C₂’，得到对于整幅图像的外围伞套进行判断的第二分类器C₂。

6.根据权利要求5所述的方法，其特征在于，所述步骤S3B中，采用区间频数直方图方法构造某子区域R_i的边缘特征向量。