[發明專利]一種基于最小覆蓋圓匹配的無人機目標識別方法

無效

• 申請號: 200910086081.0
• 申請日: 2009-06-11
• 公開（公告）號: CN101567046A
• 公開（公告）日: 2009-10-28
• 發明（設計）人: 段海濱;何冉;吳江;李昊
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T3/40
• 代理公司: 北京慧泉知識產權代理有限公司
• 代理人: 王順榮;唐愛華

1.一種基于最小覆蓋圓匹配的無人機目標識別方法，其特征在于：該方法的具體實現步驟如下：

步驟一：對目標區域進行邊緣檢測，連通域標定，劃分為若干個待匹配區域；

(1)邊緣檢測：采用Sobel邊緣提取算子對圖像進行分析，采用Matlab默認選取閾值方式設定閾值，進行邊緣檢測；

(2)連通域標定：連通域標定是將圖像中的連通域進行編號的一個過程；

Step1：從左到右從上到下進行掃描，遇到沒有加標記的目標像素p時，給這個點的像素賦一新值；

Step2：給與P連接在一起即相同連接成分的像素添加相同的標記；

Step3：進一步給所有與加標記像素連接在一起的像素添加相同的標記；

Step4：直到同一連通域的像素全部被添加標記，這樣，一個連通區域就被添加了相同的標記，即賦予了相同的像素值；返回每個連接成分的像素點，這樣目標區域的待匹配目標圖中所有左上部分的區域在MatLab內部都被賦以新的屬性編號；

Step5：返回到Step1，繼續查找新的沒有加標記的像素，重復以上Step1～4各個步驟；

連通標記算法可以找到圖像中所有的連通成分，并對同一連通成分的所有點分配同一標記；二值圖像通過連通域標記法處理后，得到n個標記的連通區域，第i個連通區域的像素值標記為i，其中i＝1，2，......n；

步驟二：建立目標模型形狀特征信息庫，包括目標點集的最小覆蓋圓，相應點的縮放因子，直徑方位，注意i的編號從直徑一端開始；

步驟三：對目標區域內所有待檢測目標進行最小覆蓋圓的檢測，并同時記錄其直徑方位；

(1)計算點集P＝{p_i}的凸殼CH(P)；

(2)計算CH(P)的直徑，設為D，以D為直徑做圓C，如果P中的點都在圓C內，則C就是所求的最小覆蓋圓；否則轉下述第(3)步；

(3)計算點集P＝{p_i}的最遠點意義下的Voronoi圖即Vor(P)；

其中，最遠點意義下的Voronoi定義如下：

最遠點意義下的V圖定義：以這些點為圓心，作過點集P中3個點的圓，該圓正好包含其他全部點，這些點稱為最遠點意義下的Voronoi結點；這種最遠點意義下的Voronoi結點及相應的無限凸多邊形組成最遠點意義下的V圖；

點集P＝{p_i}的最小覆蓋圓圓心必為最遠點意義下的Voronoi結點之一；

(4)設v是Vor(P)中的一個Voronoi結點，以v為圓心，v至點{p_i}集中3個最遠點的距離為半徑做圓，該圓就是所求；

(5)記錄直徑、直徑方位以及縮放因子集合{λ_i}，注意i的編號從直徑一端開始記起；

步驟四：匹配目標模板同待匹配輪廓的直徑，使得后續步驟可以在一定的方位內進行，所述的在一定的方位內進行，是指目標模板同待匹配輪廓的直徑方向相同，匹配直接在該方向內進行；

步驟五：進行目標模板同待匹配輪廓的匹配，對目標區域的連通域目標依次進行；

(1)從{μ_j}中m個點等分選取n個點μ_jn，然后計算其到縮放因子集合{λ_i}的SSD測度，即差值平方和：

S=Σi,jn=1,2,···n(μjn-λi)2---(4)]]>

其中，

{λ_i}，i＝1，2，…n??表示待匹配輪廓計算最小覆蓋圓之后，獲得的縮放因子集合；

{μ_j}，j＝1，2…m??表示目標模板對于最小覆蓋圓的縮放因子集合；

(2)回到步驟四，換取另一個直徑方位進行匹配，在該方位上執行步驟五計算該方位上縮放因子點集的SSD測度，直到有限個方位計算完畢；

(3)進行下一個區域的輪廓匹配，同上述步驟五中的(1)和(2)兩步；

完畢后比較求得最小的SSD測度，其對應的輪廓匹配即為所求。