一種遙感圖像多目標關聯的方法
2023-07-11 04:37:06 2
一種遙感圖像多目標關聯的方法
【專利摘要】本發明涉及一種遙感圖像多目標關聯的方法,首先根據MSA變換提取目標圖像的多尺度自卷積矩(MSA)特徵,通過計算目標特徵之間的歐氏距離獲得任意兩目標的匹配代價,即相似性測度。將兩幅遙感圖像中的多目標關聯看作二維分配問題,構造多目標關聯代價矩陣(ACM),然後結合實際應用,根據關聯準則構造目標函數,即全局最優化模型。最後對模擬退火算法進行改進,設定內、外循環迭代次數,並設計一種新的自適應溫度更新函數,改進溫度控制方式,在保證關聯準確性的前提下以提高算法的時間性能。
【專利說明】一種遙感圖像多目標關聯的方法
【技術領域】
[0001]本發明涉及一種遙感圖像多目標關聯的方法,基於圖像多尺度自卷積矩(MultiScale Auto-convolution,MSA)特徵和模擬退火優化的遙感圖像多目標關聯。其可以廣泛應用於遙感圖像多目標檢測識別、融合、跟蹤系統中。
【背景技術】
[0002]以往的目標關聯方法主要指狀態濾波類方法,將目標視為點對象,利用雷達型數據提供的目標位置、速度、方位等運動特徵進行關聯,適合密集採樣的序列圖像。如1989年Shalom Y B提出了基於目標質心及質心偏移量的聯合概率數據關聯(JPDA)方法,首先將目標與背景分割,然後計算目標區域的質心,以估計目標的運動信息,最後利用JPDA方法實現關聯與跟蹤。1993年Blackman S等人提出了在紅外系統中將目標檢測和跟蹤聯合設計的方法,利用多假設跟蹤(MHT)算法進行目標圖像特徵點的匹配跟蹤。但由於當前遙感成像技術一般只能獲取採樣稀疏的遙感圖像,很難預測目標的狀態量,因此信息融合領域中傳統的利用狀態特徵進行關聯的方法並不適合遙感圖像的目標關聯。需要利用目標圖像自身特徵進行匹配,來建立新的目標關聯準則。
[0003]首先解決圖像特徵的提取問題。不變矩方法是解決圖像特徵不變性的常用方法,它能夠克服視點變化對特徵量的幹擾,最具代表性的就是Hu矩特徵。2005年Esa Rahtu等結合多尺度幾何分析方法,在Hu矩特徵的基礎上,研究可以同時捕獲空間特性和圖像強度的多維不變描述子,構造了多尺度自卷積矩(Multi Scale Auto-convolution, MSA)特徵,實踐證明是目前最穩健的不變矩特徵之一。然後採用距離度量法進行特徵匹配,但由於遙感信息的不確定性 和特徵提取算法的不精確性導致特徵匹配結果存在誤差,因此需要進行關聯修正來消除多目標對應關係的模糊性。2008年雷琳等人對上述問題提供了一種解決思路,首先利用目標特徵匹配結果構造一個多目標關聯代價矩陣(Association CostMatrix, ACM),然後採用模擬退火算法求解使得整體關聯代價最小的關聯代價矩陣,即為最終多目標關聯結果。
【發明內容】
[0004]要解決的技術問題
[0005]為了避免現有技術的不足之處,本發明提出一種遙感圖像多目標關聯的方法,解決當前遙感成像無法準確估計目標狀態信息和大場景圖像中多目標匹配關聯的模糊性問題。
[0006]技術方案
[0007]—種遙感圖像多目標關聯的方法,其特徵在於步驟如下:
[0008]步驟1、特徵提取:採用MSA變換計算每幅目標圖像的特徵向量
【權利要求】
1.一種遙感圖像多目標關聯的方法,其特徵在於步驟如下: 步驟1、特徵提取:採用MSA變換計算每幅目標圖像的特徵向量
2.根據權利要求1所述遙感圖像多目標關聯的方法,其特徵在於:所述若干s-max次為100次。
3.根據權利要求1所述遙感圖像多目標關聯的方法,其特徵在於:所述若干iter-max步為200步。
【文檔編號】G06T7/00GK103985120SQ201410200198
【公開日】2014年8月13日 申請日期:2014年5月13日 優先權日:2014年5月13日
【發明者】李暉暉, 滑立, 郭雷, 楊寧 申請人:西北工業大學