[发明专利]一种基于旋转不变特征的遥感图像飞机目标检测方法

权利要求书

1.一种基于旋转不变特征的遥感图像飞机目标检测方法，其特征在于，包含以下步骤：

步骤S1、按照模板轮廓图像的尺寸，将待检测遥感飞机多目标图像分成多个检测窗口；

步骤S2、遍历整个待检测遥感飞机多目标图像，计算每一个检测窗口的CPA集和割线投影矩SPM特征集，并根据SPM特征集计算每一个检测窗口的H向量，将每一个检测窗口的CPA集和H向量与模板轮廓图像的CPA集和H向量进行比较，计算出每个检测窗口的得分并过滤掉低分窗口；

步骤S3、通过多尺度自卷积MSA算法和非极大值抑制NMS算法确定飞机最可能存在的位置集；

所述的步骤S2包含以下步骤：

步骤S2.1、计算每一个检测窗口的CPA集，计算每一个检测窗口的SPM特征集，继而计算出每一个检测窗口的H向量；

步骤S2.2、将每一个检测窗口的CPA集与模板轮廓图像的CPA集进行逐个像素点比对，统计检测窗口内的可能位置点数量作为检测窗口的得分；

步骤S2.3、计算检测窗口的H向量与模板轮廓图像的H向量的相关度，滤除相关度低的检测窗口；

步骤S2.1中，所述的计算每一个检测窗口的CPA集的方法包含：

一幅大小为m×n的飞机轮廓图形，O为其中心点，P为其质点，A为其轮廓上任意点；

中心角和质点角β_A分别由公式(1)与公式(2)计算：

其中，(X_OA,Y_OA)是A点与O点的相对坐标，(X_PA，Y_PA)是A点与P点的相对坐标，S函数是为了将角度转换到[0,2π)范围内，如公式(3)所示：

其中，(X,Y)表示坐标，中心点O的坐标以及质点P的坐标分别由公式(4)和公式(5)表述：

其中，h为轮廓像素点总数，x_i为每一个轮廓像素点的横坐标，y_i为每一个轮廓像素点的纵坐标；

根据公式(1)和公式(2)即可计算出A点的中心质点角：

所述的步骤S2.1中，所述的计算每一个检测窗口的SPM特征集和H向量的方法包含：

割线投影矩定义为：设轮廓图像中距离最远的两个点M、N所连成的直线为MN，则轮廓上任意一点A到MN的投影距离就称作割线投影矩；

M、N为轮廓上距离最远的两个点，A为轮廓上任意一点，AO⊥MN，AO即为A点的割线投影矩，其长度由公式(7)计算：

其中，Q₁、Q₂分别是M、N点的坐标，A是A点坐标，||x||₂是x的2范数，如下式描述：

设H向量共有λ1个元素，用图形轮廓最大割线投影矩SPM值减去最小SPM值，再除以H向量元素个数，得到分组区间大小gap：

再根据公式(10)对每一个SPM值进行分组，SPM对应H向量第k个分组：

其中，floor(x)表示不超过x的最大整数；

最后，统计各分组的元素个数，即是H向量对应分组的值，即H向量一共包含λ1个元素，每个元素的值对应其区间范围内的SPM值数量，这样就得出了轮廓的SPM特征，其一维向量形式用H向量表征。