[發(fā)明專利]基于混合特征的空中加油錐套目標檢測方法

有效

• 申請?zhí)枺?/td>: 201310687677.2
• 申請日: 2013-12-16
• 公開（公告）號: CN103617428A
• 公開（公告）日: 2014-03-05
• 發(fā)明（設計）人: 王欣剛;白明然;尹英杰;徐德;康濤;王華陽
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/66
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 宋焰琴

1.一種基于混合特征的空中加油錐套目標檢測方法，其特征在于，該方法包括以下步驟：

步驟S1，將手工標定的空中加油管錐套的正樣本集S_P0={p_p0’,p_p1’,…,p_psp’}，及累積生成的背景負樣本集S_N0={p_n0’,p_n1’,…,p_nsn’}進行歸一化，得到分辨率為w×h的灰度圖片集合S_P和S_n；

步驟S2：提取所述灰度圖片集合S_P和S_n中圖像的特征向量，得到用于訓練的特征向量集合，進而訓練得到能夠識別空中加油錐套中心油管的第一分類器C₁；

步驟S3：提取所述灰度圖片集合S_P和S_n中每幅圖像外圍傘套區(qū)域的邊緣特征信息，利用邊緣特征信息的統(tǒng)計信息，訓練得到能夠識別空中加油錐套外圍傘套的第二分類器C₂；

步驟S4：線性組合所述第一分類器C₁和第二分類器C₂，生成目標檢測分類器，利用所述目標檢測分類器對空中加油錐套目標進行檢測。

2.根據權利要求1所述的方法，其特征在于，所述特征向量包括圖像中心區(qū)域的灰度信息和/或邊緣信息。

3.根據權利要求1所述的方法，其特征在于，所述步驟S2進一步包括以下步驟：

步驟S2A：提取所述灰度圖片集合S_P和S_n中每幅圖像的中心子圖像區(qū)域，構成新的中心圖像集合S_cp和S_cn；

步驟S2B：使用中心圖像集合S_cp和S_cn中每幅圖像中某些像素位置的灰度特征，分別構造相應數量的弱分類器，通過自適應提升過程（Ada-Boost），選取最具有分辨能力的前M個灰度特征作為訓練特征中的前M個特征向量；

步驟S2C：使用N個方向的Gabor小波函數處理中心圖像集合S_cp和S_cn中的圖像，提取其邊緣信息，生成相應的小波響應幅值，分別構造與小波響應幅值的數量相對應數量的弱分類器，通過自適應提升過程（Ada-Boost），選取最具有分辨能力的S個邊緣特征，作為訓練特征中的后S個特征向量；

步驟S2D：使用每幅圖像P的訓練特征作為訓練分類器的輸入，生成判斷一個區(qū)域是否含有與錐套油管類似的黑色中心區(qū)域的第一分類器C₁。

4.根據權利要求3所述的方法，其特征在于，所述Gabor小波函數為尺度σ=4，擴散程度λ=2√2的二維Gabor小波。

5.根據權利要求1所述的方法，其特征在于，所述步驟S3進一步包括以下步驟：

步驟S3A：將所述灰度圖片集合S_P和S_n中每幅圖像的外圍區(qū)域劃分為L個子區(qū)域，得到有效的外圍子區(qū)域集合R_p和非錐套外圍子區(qū)域集合R_n；

步驟S3B：對于集合R_p和R_n中的子區(qū)域邊緣特征進行提取，對于某子區(qū)域R_i，構造其邊緣特征向量；

步驟S3C：對在集合R_p和R_n上構造得到的多個邊緣特征向量進行訓練，生成能夠確定某一梯形區(qū)域是否為空中加油錐套中外圍傘套的一部分的分類器C₂’；

步驟S3D：通過組合分類器C₂’，得到對于整幅圖像的外圍傘套進行判斷的第二分類器C₂。

6.根據權利要求5所述的方法，其特征在于，所述步驟S3B中，采用區(qū)間頻數直方圖方法構造某子區(qū)域R_i的邊緣特征向量。