[发明专利]一种基于最小覆盖圆匹配的无人机目标识别方法

摘要

一种基于最小覆盖圆匹配的无人机目标识别方法，它有五大步骤：步骤一：对目标区域进行边缘检测，连通域标定，划分为若干个待匹配区域；步骤二：建立目标模型形状特征信息库；步骤三：对目标区域内所有待检测目标进行最小覆盖圆的检测，并同时记录其直径方位；步骤四：匹配目标模板同待匹配轮廓的直径，使得后续步骤可以在一定的方位内进行；步骤五：进行目标模板同待匹配轮廓的匹配，对目标区域的多个连通域目标依次进行；最后比较求得最小的像素灰度差的平方和(SSD)测度，其对应的轮廓匹配即为所求。本发明是利用计算几何、优化理论、计算机视觉等技术，实现了无人机多目标的识别，并大大提高识别目标的速度和精度，它具有广泛的实用价值和应用前景。

主权项

1、一种基于最小覆盖圆匹配的无人机目标识别方法，其特征在于：该方法的具体实现步骤如下：步骤一：对目标区域进行边缘检测，连通域标定，划分为若干个待匹配区域；(1)边缘检测：采用Sobel边缘提取算子对图像进行分析，采用Matlab默认选取阈值方式设定阈值，进行边缘检测；(2)连通域标定：连通域标定是将图像中的连通域进行编号的一个过程；Step1：从左到右从上到下进行扫描，遇到没有加标记的目标像索p时，给这个点的像素赋一新值；Step2：给与P连接在一起即相同连接成分的像素添加相同的标记；Step3：进一步给所有加标记像素连接在一起的像素添加相同的标记；Step4：知道同一连通域的像素全部被添加标记，这样，一个连通区域就被添加了相同的标记，即赋予了相同的像素值；返回每个连接成分的像素点，这样目标区域的待匹配目标图中所有左上部分的区域在MatLab内部都被赋以新的属性编号；Step5：返回到第一步，继续查找新的没有加标记的像素，重复以上Step1～4各个步骤；连通标记算法可以找到图像中所有的连通成分，并对同一连通成分的所有点分配同一标记；二值图像连通域标记法处理后，得到n个标记的连通区域，第i个连通区域的像素值标记为i(i＝1，2，......n)；步骤二：建立目标模型形状特征信息库，包括目标点集的最小覆盖圆，相应点的缩放因子，直径方位，注意j的编号从直径一端开始；步骤三：对目标区域内所有待检测目标进行最小覆盖圆的检测，并同时记录其直径方位；(1)计算点集{p_i}的凸壳CH；(2)计算CH的直径，设为D，以D为直径做圆C，如果S中的点都在圆C内，则C就是所求的最小覆盖圆；否则转下述第(3)步；(3)计算点集{p_i}的最远点意义下的Voronoi图即Vor(S)；(4)设v是Vor(S)中的一个Voronoi点，以v为圆心，v至点{p_i}集中3个最远点的距离为半径做圆，该圆就是所求；(5)记录直径、直径方位以及缩放因子{λ_i}，注意i的编号从直径一端开始记起；步骤四：匹配目标模板同待匹配轮廓的直径，使得后续步骤可以在一定的方位内进行，所述的“在一定的方位内进行”，是指目标模板同待匹配轮廓的直径方向相同，匹配直接在该方向内进行；步骤五：进行目标模板同待匹配轮廓的匹配，对目标区域的连通域目标依次进行；(1)从{μ_j}中m个点等分选取n个点μ_jn，然后计算其到点集{λ_i}的像素灰度差的平方和即Sum of Squared Differences SSD；S=Σi,jn=1,2,...n(μjn-λi)2---(4)]]>其中，{λ_i}，i＝1，2，...n表示待匹配轮廓计算最小覆盖圆之后，获得的缩放因子集合；{μ_j}，j＝1，2...m表示目标模板对于最小覆盖圆的缩放因子集合；(2)回到步骤四，换取另一个直径方位进行匹配，计算相应的，直到有限个方位计算完毕；(3)进行下一个区域的轮廓匹配，同上述(1)、(2)两步；完毕后比较求得最小的SSD测度，其对应的轮廓匹配即为所求。