[發明專利]一種仿鷹眼自適應機制的無人機海面小目標識別方法

有效

• 申請號: 202010771915.8
• 申請日: 2020-08-04
• 公開（公告）號: CN112101099B
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 段海濱;徐小斌;鄧亦敏;魏晨;周銳;吳江;其他發明人請求不公開姓名
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/26;G06V10/46;G06V10/764;G06V10/44
• 代理公司: 北京慧泉知識產權代理有限公司 11232
• 代理人: 王順榮;唐愛華

1.一種仿鷹眼自適應機制的無人機海面小目標識別方法，其特征在于：該方法具體步驟如下：

步驟一：仿鷹眼明暗適應機制建模

根據鷹眼的明暗適應機制，建立仿鷹眼明暗適應機制的數學模型，其中明環境適應的數學模型I_g(i,j)表示為

其中，I為輸入圖像，(i,j)為圖像中的某一位置，M為圖像的長，N為圖像的寬，k為線性變化斜率，G(i,j,σ_guass)為方差為σ_guass的二維高斯函數，I_V(i,j)為位置(i,j)處圖像的亮度，為卷積符號；

為方便表示，定義mid_V為輸入圖像I的平均亮度信息，表示為

因此，仿鷹眼暗環境適應的數學模型I_d(i,j)表示為

其中，Mean(i,j,σ_mean)為均值濾波函數，σ_mean為均值濾波函數的濾波核尺寸；因此，仿鷹眼明暗適應機制的數學模型總結為式(4)；

其中，I_l為輸入圖像經過鷹眼明暗適應機制調整后的圖像，T_l1和T_l2分別為區分亮圖像與暗圖像的閾值；

步驟二：仿鷹眼顏色適應機制建模

透過鷹眼的顏色吸收率表示為：

其中，γ為顏色的猜測率，是一個常數；λ為顏色的失效率，其范圍為[0,0.25]；α和β用于描述顏色的變化；

通道間的像素平均值之差的絕對值RG、RB、GB表示為式(6)，其中，R、G、B分別代表圖像的紅、綠、藍顏色通道：

其中，I_s(i,j),s∈{R,G,B}分別為輸入圖像I在R、G、B各個顏色通道上的像素值；當輸入圖像I滿足(RG＞T_c)(RB＞T_c)(GB＞T_c)時，設輸入圖像I為正常顏色圖像，否則，輸入圖像I屬于特殊顏色圖像；當圖像被判斷為正常顏色圖像時，其調整方式如式(7)所示，當圖像被判斷為特殊顏色圖像時，其調整方式如式(8)所示；

其中，T_c為顏色判斷閾值，顏色調整后的圖像為I_c，Med(i,j,σ_med)為濾波核為σ_med的中值濾波器，D(i,j,σ_dou)為雙邊濾波器，σ_dou為雙邊濾波器的標準差；

步驟三：仿鷹眼前景背景適應機制建模

獲取的輸入圖像I的前景-背景分割閾值T_g，進而來區分前景信息和背景信息；

其中，g_t為灰度平均值與前景-背景閾值之差的絕對值，mid_g為輸入圖像I灰度圖的顏色均值，g_rgb為圖像灰度平均值與輸入圖像I各通道的均值之差的絕對值，mid_RGB為輸入圖像I各通道的均值；假設，當T_g＜mid_g時，輸入圖像I判定為前景突出圖像，其表達方式如式(10)所示；否則，輸入圖像I為背景突出圖像，其表達方式如式(11)所示；

其中，T_rgb為調整閾值，T_b1和T_b2為背景判斷閾值，I_b為最終的仿鷹眼自適應機制的調整后的圖像；

步驟四：對仿鷹眼適應機制調整后圖像進行幅度-相位譜重建

對步驟一至步驟三得到的調整后的圖像，分別計算幅度譜和相位譜，并進行幅度-相位譜重建，重建圖像S_a(i,j)表示為；

其中，A(f)為調整后圖像I_b的幅度譜，P(f)為調整后圖像I_b的相位譜，F^-1(·)代表傅里葉反變換；

步驟五：計算多尺度灰度差分

重建圖像S_a(i,j)多尺度灰度差分D_a(i,j)表示為

其中，K為點(i,j)處的鄰域個數，為圖像(i,j)處的第k^th個鄰域的灰度差分，具體表示為

其中，L_max為正整數，Ω_k,(p,q)∈Ω_k為點(i,j)處的第k^th個鄰域；Ω_k的面積表示為(2k+1)²，Ω_K,(m,n)∈Ω_K為點(i,j)處的最大鄰域，和分別為區域Ω_k與Ω_K的像素個數；

步驟六：計算顯著信息并歸一化

輸入圖像I的顯著圖S(i,j)表示為

其中，G(i,j,σ)為標準差為σ的高斯濾波器，norm(·)表示歸一化操作；

步驟七：輸出仿鷹眼自適應機制的無人機識別海面小目標的顯著圖。