[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

说明书

本发明公开了一种基于梯度方向特征点对的地面时敏目标识别方法，属于自动目标识别领域，该方法首先采用积分图像法，获得图像梯度场，再利用非极大值抑制法提取梯度极大值点作为特征点，并结合梯度方向对特征点进行描述，形成32位的二值描述符，最后利用对偶校验策略，进行匹配识别。本发明提出的梯度方向特征点对，直接利用梯度方向特征，并配合可区分度较高的描述策略，从而简化特征提取步骤，降低特征维数，实现大视角变换下的目标识别。本发明能够克服地面时敏目标姿态信息无法预知的识别难题，对进行成像制导飞行器的研制具有重要意义。

技术领域

本发明属于自动目标识别技术领域，具体涉及一种基于梯度方向特征点对的地面时敏目标识别方法。

背景技术

自动目标识别技术一直以来都是成像制导飞行器的关键技术之一，在自动目标识别方法中，通过特征提取获得具有不变或准不变性质的信息，即提取不变量信息，是实现目标识别的重要途径和手段。基于图像不变特征的目标识别方法是指：成像制导过程中，通过对目标图像的深入分析与理解，按照一定的规则提取目标图像的特征，送入分类器中进行分类计算，最终识别结果。基本原理如图1所示。具体工作过程如下：

(1)首先通过必要的侦察手段获取目标基准图像(基准图)，结合各种约束条件提取图像不变特征，制作图像不变特征基准库，预先将目标图像的不变特征基准库装订到飞行器的计算机上；

(2)实际飞行时，利用飞行器成像传感器采集实时目标图像(实时图)，并进行图像不变特征的提取；

(3)然后以一定策略搜索不变特征基准库进行实时相关特征匹配运算，最终识别目标。

上述成像制导飞行器中，自动目标识别有一类重要对象是地面时敏目标，如待机车辆、停泊舰艇、待机飞行器等。地面时敏目标作为一类高价值目标，通常处在多变复杂的战场环境中，伪装、遮挡、机动，目标形态时有变化，气象、地形、烟雾，目标背景复杂多样。这种情况下探测目标难，识别目标更难，对于目标识别系统是一个巨大的挑战。相对于地面固定目标，地面时敏目标检测识别时面临目标方位不确定和拍摄角度不确定，这会造成目标成像时存在大角度视角变换问题。

目前，很多基于图像不变特征的目标识别方法以梯度特征作为原始信息，通过一系列复杂的数学处理来提高梯度特征描述的独特性，常用的描述子有SIFT、SURF、HOG等。这类特征点+特征描述形式的梯度特征，为了克服各种目标图象畸变追求特征的独特性，往往是以增加特征维数为代价，这会带来准备工作繁琐、计算复杂、识别效率低等缺点，另外这些传统梯度特征并不适应时敏目标识别引发的大角度视角变换问题。因此，有必要研究一种具有大角度视角变换不变性的低维梯度特征，能够简洁高效的实现成像制导飞行器中的地面时敏目标自动识别。

发明内容

为克服传统梯度特征存在的过度依赖高维度、准备工作繁琐、计算复杂、识别效率低、不适应大视角变换等缺点，本发明提供了一种基于梯度方向特征点对的地面时敏目标识别方法，该方法首先采用积分图像法，获得图像梯度场，再利用非极大值抑制法提取梯度极大值点作为特征点，并结合梯度方向对特征点进行描述，形成32位的二值描述符，最后利用对偶校验策略，进行匹配识别。本发明提出的梯度方向特征点对，直接利用梯度方向特征，并配合可区分度较高的描述策略，从而简化特征提取步骤，降低特征维数，实现高效的目标识别。

本发明采用如下技术方案来实现的：

基于梯度方向特征点对的地面时敏目标识别方法，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；