[發明專利]一種無人機偵察視頻圖像目標自動檢測方法

有效

• 申請號: 201810090390.4
• 申請日: 2018-01-30
• 公開（公告）號: CN108446584B
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 姜梁;吳國強;包文龍;孫浩惠;冷曉旭;黃蜀玲;張翔南
• 申請（專利權）人: 中國航天電子技術研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46;G06K9/62
• 代理公司: 北京金智普華知識產權代理有限公司 11401
• 代理人: 皋吉甫

1.一種無人機偵察視頻圖像目標自動檢測方法，其特征在于，

S1：基于頻譜殘差的提取算法對通過無人機偵察獲取的視頻圖像進行目標的預提取：

對所述視頻圖像進行快速傅里葉變換變換得到頻譜圖；

對所述頻譜圖的幅頻響應進行均值平滑，將平滑后的幅頻響應與原始幅頻響應作差，得到頻譜殘差；

對所述頻譜殘差作逆傅里葉變換得到顯著圖；

對所述顯著圖的灰度圖進行閾值分割，設S(x,y)為顯著圖S中某像素點的灰度值，E(S)是頻域顯著圖S的平均灰度值，O為閾值分割后的顯著圖，則

threshold＝E(S)*3 (2)

對閾值分割后的灰度圖進行形態學和連通域分析后，求取連通域的最小外接矩形，即完成對顯著圖中目標區域的預提取；

S2：將采用基于頻譜殘差的提取算法后預提取的目標區域作為目標粗提取區域，針對所述粗提取區域進一步采用直方圖對比算法進行目標的精提取；

所述目標的精提取具體為：對所述目標粗提取區域采用直方圖對比算法，將所述目標粗提取區域轉為Lab顏色空間，增強目標位置附近的直方圖對比度，降低非目標區域附近的直方圖對比度，收縮目標粗提取區域包絡；

對收縮后的包絡，進行閾值分割、形態學運算和連通域分析得到目標精提取區域；

S3：采用分類器對目標精提取區域進行判斷，剔除非目標的目標精提取區域，保留并標記目標區域以實現對視頻圖像中目標的自動檢測。

2.如權利要求1所述方法，其特征在于，所述分類器為AdaBoost級聯分類器，對目標精提取區域標記目標區域具體為：

收集多個的無人機偵察視頻圖像目標樣本，所述樣本包括正樣本和負樣本；

計算每張所述樣本的積分圖，提取所述樣本的訓練特征并生成特征向量；

設定訓練AdaBoost級聯分類器的參數，將所述特征向量輸入訓練算法訓練級聯分類器；

將目標精提取區域輸入訓練好的AdaBoost級聯分類器進行判斷，剔除非目標的目標精提取區域，保留并標記目標區域。

3.如權利要求1所述方法，其特征在于，對所述頻譜圖的幅頻響應進行均值平滑可由均值濾波器實現或通過對多張圖像取平均實現。

4.如權利要求1所述方法，其特征在于，對所述目標的精提取具體為：首先將所述目標粗提取區域的每個顏色通道化為12個不同值，摒棄出現頻率較低的顏色，選擇高頻顏色并且保證所述高頻顏色覆蓋圖像像素不低于95％的顏色，而剩下的不高于5％的圖像像素，其顏色被直方圖中的最近鄰替代，然后采用平滑濾波改善每個顏色的顯著值，最后再進行閾值分割、形態學運算和連通域分析以形成精提取區域的最小外接矩形，即完成對所述目標粗提取區域的精提取。

5.如權利要求2所述方法，其特征在于，所述訓練特征為Haar-like特征。

6.如權利要求2所述方法，其特征在于，計算所述積分圖前，對所述正樣本和所述負樣本分別進行尺寸歸一化；

進一步地，計算所述積分圖前，對所述正樣本進行隨機翻轉、平移變換和旋轉變換以增加正樣本數量。

7.如權利要求1所述方法，其特征在于，所述方法應用于無人機領域，所述視頻圖像為無人機航拍偵察得到的視頻圖像。