[发明专利]基于空间-光谱结构约束的多尺度分层目标检测方法

摘要

本发明提出了一种基于空间‑光谱结构约束的多尺度分层目标检测方法。该方法包括以下步骤：根据待检测目标，构建多尺度多视角多姿态的模板集；计算该模板集的二值化近邻特征矩阵和自适应局部核回归特征矩阵，并进行去冗余优化；将待测图像缩小至原图像的1/4，去除场景中的背景噪声；计算近邻特征矩阵，根据余弦相似性准则与模板集的近邻特征矩阵进行相似度比较，从而确定目标的范围T₁；将待测图像缩小至原图像的1/2，计算T₁区域的自适应局部核回归特征矩阵，并与模板集进行相似度对比，确定目标区域T₂；将待测图像恢复至原图大小，计算T₂区域的近邻特征矩阵，再次进行相似度比较，确定出目标的最终位置。本发明在提高检测精度的同时有效缩短了检测时间。

主权项

1.一种基于空间-光谱结构约束的多尺度分层目标检测方法，其特征在于，利用类金字塔分层结构模型，结合局部特征和近邻特征对目标进行检测，其中局部特征和近邻特征通过多维窗口构建位置关系，具体包括以下步骤：/n步骤1，根据待检测目标，构建多尺度多视角多姿态的模板集；计算该模板集的二值化近邻特征矩阵和自适应局部核回归特征矩阵，并对两组特征矩阵进行去冗余优化；/n步骤2，将待测图像缩小至原图像的1/4，根据ITTI显著目标分析，对待测图像进行预处理，去除场景中的背景噪声；计算预处理后待测图像的近邻特征矩阵，根据余弦相似性准则与模板集的近邻特征矩阵进行相似度比较，从而初步确定目标的范围T₁；/n步骤3，将待测图像缩小至原图像的1/2，计算步骤2中T₁区域的自适应局部核回归特征矩阵，并与模板集的自适应局部核回归特征矩阵进行相似度对比，确定目标区域T₂；/n步骤4，将待测图像恢复至原图大小，计算步骤3中的T₂区域的近邻特征矩阵，再次根据余弦相似性准则与模板集的近邻特征矩阵进行相似度比较，确定出目标的最终位置，完成目标检测；/n步骤1中所述模板集的二值化近邻特征矩阵计算过程如下：/n局部窗口之间的像素灰度的联合分布反映该局部区域的纹理分布，公式如下：/n /n其中，T表示局部特征，w为九宫格中小窗口宽度，g_X(i,j)表示中心窗口中点(i,j)的像素灰度，g_1(i,j),g_2(i,j),...,g_8(i,j)表示邻域8个窗口中点的像素灰度；/n按照像素排列顺序，将中心窗口的像素灰度与邻域窗口进行比较，通过差值分布函数反映邻域窗口的纹理分布情况：/n /n为了更直接的描述中心窗口与邻域窗口的纹理变化，将上述差值分布函数进行二值化处理：/n /n其中，/n /n因此，邻域w×w的窗口转化为0/1组合的二值化图像，按照位置顺序用2^p对该二值化图像进行加权求和：/n /n将邻域的8个窗口均进行上述操作，构成BP算子：/nBP＝{BP₁,BP₂,...,BP₈} (6)/nBP_k表示第k个邻域窗口与中心窗口的结构关系，即为权重；对BP_k进行归一化处理得归一化值NBP：/n /n选取固定的间隔interval，使大窗口历遍M*N大小的图像，从而得到全图的NPBP特征矩阵即二值化近邻模式特征矩阵，矩阵大小为interval为所取间隔大小。/n