[发明专利]一种高帧频条件下典型非合作目标要害点实时定位方法

说明书

本发明公开了一种高帧频条件下典型非合作目标要害点实时定位方法，包括以下步骤：对当前帧图像做降采样处理，得到降采样图像；对降采样图像进行水平和垂直投影操作，计算出目标区域范围；在得到的目标区域范围内，对当前帧图像进行圆投影计算操作，得到圆投影后图像；对圆投影后图像进行自适应阈值处理，得到分割目标边缘的阈值；根据得到的阈值计算圆投影后图像的边缘信息；对边缘信息，采用并行计算的方式，计算其曲率；对得到的曲率进行平滑处理；求出平滑处理后的曲率中的最大值，标记该最大值对应的图像像素序号，经过坐标转换求出目标要害点在当前帧图像中的坐标点。本发明能够对高帧频复杂背景下的典型非合作目标进行要害点的定位。

技术领域

本发明涉及目标识别及多核并行处理领域，尤其涉及一种高帧频条件下典型非合作目标要害点实时定位方法。

背景技术

近年来，随着飞控技术的成熟和电子集成成本的降低，空中飞行器(如无人机、气球等)在侦察和打击等军事领域应用越来越广泛。敌方的这些飞行器一旦进入我国领空，势必对我国国家安全和人民生命财产构成极大威胁，必须使用相关反制技术(如侦察、射击、网捕、控制干扰等)对其进行快速发现、监视、控制和击毁。其中，如何快速有效的发现敌方空中小型目标，并精确定位其要害点部位，是实现反制的关键。

目标检测手段众多，基于图像的检测识别是重要手段。随着图像处理技术的不断完善和发展，成像目标检测识别技术得到了广泛的应用。现有的图像目标检测识别方法多种多样，大致可以分为两类：1基于样本学习和分类的识别方法(SVM，深度学习网络等)；2基于目标成像特征(如灰度、形状或其他变换域下的特征等)的检测识别方法。这些方法具有较好的检测率和较低的虚警率，也基本可以满足民用领域对目标检测识别的要求，但是由于其算法设计的复杂性，算法对资源(无论是时间或是空间)消耗巨大，难于满足军事应用下的一些特殊要求，如高帧频，宽幅面，复杂背景，要害点检测等。因此有必要针对这些应用需求设计专用的目标实时检测算法。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种高帧频条件下典型非合作目标要害点实时定位方法。

本发明解决其技术问题所采用的技术方案是：

本发明提供一种高帧频条件下典型非合作目标要害点实时定位方法，包括以下步骤：

S1、获取高帧频条件下的待处理图像，选取一张当前帧图像，对当前帧图像做降采样处理，得到降采样图像；

S2、对降采样图像进行水平和垂直投影操作，通过并行计算的方式，计算出目标区域范围；

S3、在得到的目标区域范围内，对当前帧图像进行圆投影计算操作，得到圆投影后图像；

S4、对圆投影后图像进行自适应阈值处理，得到分割目标边缘的阈值；

S5、根据得到的阈值计算圆投影后图像的边缘信息；

S6、对边缘信息，采用并行计算的方式，计算其曲率；

S7、对得到的曲率进行平滑处理；

S8、求出平滑处理后的曲率中的最大值，标记该最大值对应的图像像素序号，经过坐标转换求出目标要害点在当前帧图像中的坐标点。

进一步地，本发明的步骤S1中进行降采样的方法具体为：

当前帧图像记为I0，图像的大小为M*N，对当前帧图像I0做降采样，将其缩小16倍得到降采样图像I1，大小为M1*N1，降采样方式采用的是隔点法，分别在行和列方向上每隔三个点取一个。

进一步地，本发明的步骤S2的具体方法为：