[发明专利]基于非线性积分算法的多元目标信息综合处理方法及装置

权利要求书

1.一种基于非线性积分算法的多元目标信息综合处理方法，其特征在于，包括以下步骤：

采用多源传感设备对目标进行持续跟踪采集，获取包括目标影像数据和传感器数据在内的多源异构数据集；

对多源异构数据集中的目标影像数据进行预处理得到第一类目标数据；对多源异构数据集中的传感器数据进行预处理得到第二类目标数据；

采用深度神经网络模型分别对第一类目标数据和第二类目标数据进行目标状态识别获取第一类目标识别信息和第二类目标识别信息；

通过非线性的模糊积分算法对第一、第二类目标识别信息进行融合，获取最终的目标状态识别结果。

2.根据权利要求1所述的多元目标信息综合处理方法，其特征在于，

对多源异构数据集中的目标影像数据进行预处理包括影像配准、影像多视、影像滤波和辐射校正。

3.根据权利要求2所述的多元目标信息综合处理方法，其特征在于，

所述对目标影像数据进行影像配准、影像多视和影像滤波包括：

1)将摄像设备中同一个摄像头在某一时间段内采集相同目标的影像数据按时间序列进行排列，选择时间最早或时间居中的影像作为主影像；

2)将除去主影像的其余影像与主影像进行配准；

3)对配准后的影像数据进行包括增强Lee滤波、Kuan滤波或自适应滤波在内的滤波处理，用于降低相干影像形成的斑点噪声；

4)最后根据距离向分辨率、方位向分辨率和中心入射角设置影像数据的多视比，使影像数据的地距方位向和距离向分辨率一致。

4.根据权利要求2所述的多元目标信息综合处理方法，其特征在于，

所述辐射校正，通过以一幅清晰的目标影像为参考影像，将其它目标影像和参考影像进行灰度匹配校正，建立各波段之间的RPC模型；并将其它目标影像逐波段的归一化到参考影像，使其它目标影像和参考影像具有相同的辐射尺度。

5.根据权利要求1-4任一项所述的多元目标信息综合处理方法，其特征在于，

所述目标影像数据为由包括红外摄像头、可见光摄像头和SAR摄像头在内的摄像设备拍摄的数据；

所述传感数据为由包括温、湿度传感器以及速度传感器在内的传感器采集的数据。

6.根据权利要求1所述的多元目标信息综合处理方法，其特征在于，所述深度神经网络模型包括卷积神经网络和深度随机配置网络；

所述卷积神经网络用于对第一类目标数据进行特征目标识别和目标状态识别获取第一类目标识别信息；

所述深度随机配置网络用于对第二类目标数据进行目标状态识别获取第二类目标识别信息。

7.根据权利要求1所述的多元目标信息综合处理方法，其特征在于，所述模糊积分算法，包括：

步骤S401、根据所述第一类目标识别信息和第二类目标识别信息建立目标分类结果矩阵；目标分类结果矩阵的每一列表示不同样本对相同目标的识别结果，其中目标状态正常记为0，目标状态异常记为1，每个矩阵的每一行表示同一样本中不同目标的识别结果；

步骤S402、在目标分类结果矩阵中计算分类结果为1目标状态真实值为0的概率p₀₁，分类结果为1目标状态真实值为1的概率p₁₁，分类结果为0目标状态真实值为0的概率p₀₀，分类结果为0目标状态真实值为1的概率p₁₀；

步骤S403、采用Choquet模糊积分对目标分类结果矩阵中的分类结果概率进行融合，获取最终的目标状态识别结果。

8.根据权利要求7所述的多元目标信息综合处理方法，其特征在于，Choquet模糊积分中，根据公式获取可信度获取模糊积分中的参数λ；式中gⁱ代表第i个目标的模糊密度；n为目标的个数。