[发明专利]基于综合特征一致性模型的人造目标检测方法

摘要

本发明属于图像处理和模式识别技术领域，涉及一种基于综合特征一致性模型的人造目标检测方法，该方法首先建立综合特征一致性模型，然后利用该模型对自然图像进行初步的感兴趣区域检测，最后利用数学形态学中的腐蚀和区域标注对其进行后处理。本发明与现有的目标检测方法相比，在滤除复杂的自然背景的性能上有了很大提高，对于后续的目标识别与定位又十分重要的意义和使用价值。

主权项

1.一种基于综合特征一致性模型的人造目标检测方法，包括下列步骤：步骤1：获取一幅含有人造目标并带有灰度的自然图像，进行傅立叶变换，得到图像的傅里叶分量；步骤2：建立logGabor滤波器组，并用logGabor滤波器组与图像的傅里叶分量作乘积，图像与偶对称logGabor滤波器的卷积为Oeven (r，θ)(x，y)，图像与奇对称logGabor滤波器的卷积为Oodd (r，θ)(x，y)；步骤3：根据下列公式(a、b、c、d)求取局部信息的单个特征集合{F1F2F3F4}，然后利用单个特征构造所需的综合特征：$F^{(r,\theta )}(x,y)=[F_1^{(r,\theta )}(x,y)...,F_L^{(r,\theta )}(x,y),...,F_4^{(r,\theta )}(x,y)]$ a.偶对称滤波器的归一化输出(F1)：$F_1^{(r,\theta )}(x,y)=\frac{O_{\mathrm{even}}^{(r,\theta )}(x,y)}{{\max }_{(x,y)}{\max }_r{O}_{\mathrm{even}}^{(r,\theta )}(x,y)}$ b.奇对称滤波器的归一化输出(F2)：$F_2^{(r,\theta )}(x,y)=\frac{O_{\mathrm{odd}}^{(r,\theta )}(x,y)}{{\max }_{(x,y)}{\max }_r{O}_{\mathrm{odd}}^{(r,\theta )}(x,y)}$ c.滤波器输出的对称度量(F3)：$F_3^{(r,\theta )}(x,y)=\frac{\left|O_{\mathrm{even}}^{(r,\theta )}(x,y)\right|-\left|O_{\mathrm{odd}}^{(r,\theta )}(x,y)\right|}{{\max }_{(x,y)}{\max }_r\left(\right|O_{\mathrm{even}}^{(r,\theta )}(x,y)|-|O_{\mathrm{odd}}^{(r,\theta )}(x,y)\left|\right)}$ d.滤波器输出的反对称度量(F4)：$F_4^{(r,\theta )}(x,y)=\frac{\left|O_{\mathrm{odd}}^{(r,\theta )}(x,y)\right|-\left|O_{\mathrm{even}}^{(r,\theta )}(x,y)\right|}{{\max }_{(x,y)}{\max }_r\left(\right|O_{\mathrm{odd}}^{(r,\theta )}(x,y)|-|O_{\mathrm{even}}^{(r,\theta )}(x,y)\left|\right)}$ 步骤4：建立综合特征一致性模型：${\mathrm{IFC}}_F(x,y)=\frac{1}{Z}\underset{\theta }{\Sigma }\{\underset{r}{\Sigma }\rho [F^{(r,\theta )}(x,y),\overline{F^{\theta }(x,y)}]-T\}$ 式中，$\overline{F^{\theta }(x,y)}=\underset{r}{\Sigma }{F}^{(r,\theta )}(x,y),$ 相关系数ρ定义为ρ(F1，F2)＝|F1|×|F2|cos(F1，F2)，其中，cos(F1，F2)为F1与F2之间夹角的余弦，$Z=\underset{\theta }{\Sigma }\underset{r}{\Sigma }\left|F^{(r,\theta )}(x,y)\right|\times \left|\overline{F^{\theta }(x,y)}\right|+ϵ$其中，ε为小的正常数，T为估计噪声；步骤5：设定阈值，并利用经过噪声补偿修正的综合特征一致性模型，对图像进行二值化处理；步骤6：采用数学形态学腐蚀的方法初步消除图像中的边界点和背景引起的干扰；步骤7：利用区域标记算法分别标记出各个连通区域，计算出各个连通区域的像素个数，并通过设定阈值，检测出人造目标所在的区域。