[发明专利]基于多观察点形状上下文的飞机编队识别方法

说明书

本发明公开了一种基于多观察点形状上下文的飞机编队识别，包括：构建基于阿基米德螺旋线的多观察点；建立描述全局信息的形状上下文算子；建立描述局部信息的概率密度函数；建立相似度量函数，判别编队类型。本发明对战斗队形、出发队形、进攻队形三种队形进行建模分析，使得对三种队形的平均识别率达到95％。

技术领域

本发明属于图像处理领域，涉及一种基于形状上下文描述子的飞机编队识别方法。

背景技术

海军和空军的力量强弱已经成为决定战争胜负的主要因素。飞机战斗群是美国空军的主要编成，也是美国称为世界警察的重要军力力量之一。美国的高级指挥官针对不同的任务提出了不同的飞机战斗群队形，形成了相关的作战理念。通过卫星监视飞机战斗群、识别其队形、队形变化的行为等，可以给军事指挥官提供宝贵的建议，帮助他做出睿智的决策，甚至能够决定一场战役的胜负。目前基于光学影像的军事战斗群队形的相关研究很少。直到20世纪末才开始有学者研究，最近几年才出现一些比较有实际应用价值的成果。现有的飞机编队识别方法存在以下缺陷：1、有些方法试图通过飞机群结构单元来分析队形，但是这种初级的办法没能进一步展开。2、有些方法试图通过监控飞机群密度来判断群体编队，但是这种方法只适合少数特殊场景。相关的研究实用性不强，而且比较分散。

发明内容

本发明的目的是针对卫星图像拍摄提出一种基于多观察点形状上下文描述子的飞机编队识别方法，在自建数据集上可对三种飞机阵型进行识别。

为实现上述目的，本发明采用如下技术方案：

一种基于形状上下文描述子的飞机编队识别方法，包括如下步骤：

步骤一：构建基于阿基米德螺旋线的多观察点。首先对飞机目标进行分割，用其中心代表飞机，将整个飞机战斗群看作一些离散点集，为了减少飞机数量、编队尺度、编队方向对编队识别的影响，我们建立了观察点用作提取上下文信息的原点。

步骤二：建立描述全局信息的形状上下文算子。将每一个观察点周围区域的环形和半径分成一个个格状区域，并建立自然极坐标系，计算形状上下文描述子。

步骤三：建立描述局部信息的概率密度函数。上下文算子含有的全都是综合信息，缺乏局部信息。但是局部信息在队形识别中也是非常重要的。为了弥补这个缺点，引进了标准队形的概率密度函数(PDFs)。标准队形的概率密度函数主要用来突显比较重要的观察点的信息，而削弱不重要的部分关键点的信息。

步骤四：建立相似度量函数，判别编队类型。对于带识别飞机战斗群队形和某个类别标准队形，首先计算它们形状上下文描述子以及标准队形的概率密度函数，并构造相似性函数来计算两个飞机战斗群队形之间的相似度，选择相似度最大的标准队形作为识别结果。

有益效果：

1、本发明使用阿基米德螺旋线作为建立坐标系的基础，有效防止因拍摄角度不同引起的尺度变化和角度变化问题。在阿基米德螺旋线上，均匀分布观察点，在观察点上得到形状上下文算子，这些算子组成的矩阵，可以有效地表示飞机阵列的局部信息，防止飞机间的尺度变化和角度的不同。

2、本发明使用概率密度函数描述飞机阵列的全局信息，能够更好地将阵列整体上下文信息量化。使用拉普拉斯变换来定义概率密度函数，利用飞机之间的角度和归一化距离，更好的量化飞机编队。

3、本发明使用开方损失函数和余弦损失函数构成相似性矩阵进行编队归类，效果更准确。本发明将相似性矩阵二值化，二值化中使用阈值进行判别，扩大不同标准编队之间的差异，并缩小同类型编队之间的差距。

附图说明

图1是本发明提供的算法示意图。

具体实施方式

下面结合附图对本发明作进一步说明。

该方法的主要步骤如下：