[发明专利]基于梯度方向特征点对的地面时敏目标识别方法

权利要求书

1.基于梯度方向特征点对的地面时敏目标识别方法，其特征在于，包括以下步骤：

步骤1：采用基于Haar小波模板的积分图像法来分别计算实时图与基准图的梯度场，并提取图像梯度特征；

步骤2：利用5×5的模板对图像模值进行非极大值抑制，得到图像的极值点集合Q，根据对偶校验原理进行特征点对的提取；

步骤3：遍历实时图中的极值点集合，判断与特征点对中是否存在方向一致或相近的点对，若存在这样的特征点对则记为一次正确匹配，统计模板上实现匹配的点数与极值点总数的比值M_match，当N_match＞thres时认为找到目标，完成目标的匹配识别。

2.根据权利要求1所述的基于梯度方向特征点对的地面时敏目标识别方法，其特征在于，步骤1的具体实现步骤如下：

设(x,y)为积分图像中任意一点，其值为原图像左上角到点(x,y)相应的对角线区域的像素和integral(x,y)，即：

int e g r a l ( x , y ) = Σ x ′ ≤ x , y ′ ≤ y I ( x ′ , y ′ ) - - - ( 1 ) ]]>

其中，I(x',y')表示像素点(x,y)左上方某像素点的灰度值；

Haar小波模板内的像素之和用积分图像的4个相应点(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4)计算得到，如下：

同理，得到点(x,y)处x方向和y方向的响应值

vertical＝verticalup-verticaldown (3)

horizon＝horizonleft-horizonright (4)

其中，verticaldown为x方向响应的下半部分，horizonleft、horizonright分别代表y方向响应值的左半部分与右半部分；

进而，点(x,y)梯度的幅值及方向为：

mod = vertical 2 + horizon 2 - - - ( 5 ) ]]>

dire＝arctan(vertical,horizon) (6)

图像的梯度场为：

Gradient_field＝(modi,direi) (7)

其中N为图像的总像素点数，1≤i≤N。