基于多特征融合的景象匹配區(qū)選取方法
【專利摘要】本發(fā)明涉及景象匹配導航【技術領域】，提供了一種基于多特征融合的景象匹配區(qū)選取方法，包括：選擇能反映匹配區(qū)選擇準則的多個圖像特征指標，然后采用二叉樹結構模型將多個圖像特征指標進行特征融合，得到綜合特征指標，并通過遺傳算法對綜合特征指標進化合成，得到最優(yōu)的綜合特征，最后利用該綜合特征實現(xiàn)匹配區(qū)選擇；使用本方法選取的匹配區(qū)因為包含了更多的特征信息，增強了所選匹配區(qū)的適配性，同時使用綜合特征指標，有利于定量化研究適配性問題，使得選取的匹配區(qū)更為有效。
【專利說明】基于多特征融合的景象匹配區(qū)選取方法

【技術領域】
[0001] 本發(fā)明涉及景象匹配導航【技術領域】，特別涉及一種基于多特征融合的景象匹配區(qū) 選取方法。

【背景技術】
[0002] 匹配區(qū)的選取是靶場景象匹配制導飛行試驗的一項關鍵技術，對于如何進行匹配 區(qū)的選取，許多學者開展了研究。李俊等提出了一種基于基準圖的可配準特征向量的適配 區(qū)選擇方法，該方法將可配準特征向量的分量加權形成了全局可配準指標。劉揚等提出了 基于獨立像元數(shù)、方差、紋理能量比和互相關峰等圖像特征的景象匹配區(qū)選擇方法。袁夢尤 提出了基于景象內(nèi)容分布的景象匹配區(qū)選擇方法和基于邊緣密度值的景象匹配區(qū)選擇方 法。付文興等將反映景象信息量、穩(wěn)定性和重復模式的各項特征參數(shù)的乘積作為可選擇度 參數(shù)，據(jù)此進行景象匹配區(qū)的選擇。從這些景象匹配區(qū)選擇方法的研究可以看出，在匹配區(qū) 選取時都是基于某一個特征指標或幾個特征指標的組合，這將導致所選出的區(qū)域只在該指 標意義下是較優(yōu)的，而對于其他特征指標而言可能是較差的匹配區(qū)，從而難以說明其匹配 性能的普適性。
[0003] 基于此，現(xiàn)有技術確實有待于改進。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明需提供一種景象匹配區(qū)的選取方法，以解決現(xiàn)有技術中的匹配區(qū)選取時對 選取準則考慮不全、所選區(qū)域適配性不高的問題。
[0005] 為了解決上述問題，本發(fā)明提供一種基于多特征融合的景象匹配區(qū)選取方法，其 采用的技術方案如下：
[0006] S1、選擇多個圖像適配特征作為葉節(jié)點，將作用于所述多個圖像適配特征的運算 符作為根節(jié)點，利用遞歸算法生成多個特征二叉樹模型；
[0007] S2、所述多個特征二叉樹模型分別完成其對應的多個圖像適配特征的融合，得到 多個圖像綜合特征；
[0008] S3、對于每一個圖像綜合特征，計算多幅訓練圖像的綜合特征值，并將所述多幅訓 練圖像按照其綜合特征值從大到小的順序進行排序，計算前N幅訓練圖像真實匹配概率的 平均值，得到前N幅圖像的平均匹配概率，將該平均匹配概率作為該圖像綜合特征的效能 評價函數(shù)值；
[0009] S4、將多個特征二叉樹模型按照其對應圖像綜合特征的效能評價函數(shù)值從大到小 的順序進行排序，利用遺傳算法對前Μ個特征二叉樹模型進行進化，并輸出效能評價函數(shù) 值最高的特征二叉樹模型，進而得到最優(yōu)的圖像綜合特征；
[0010] S5、在進行匹配區(qū)選取時，在待提取圖像中遍歷匹配區(qū)圖像窗口，得到多個匹配區(qū) 圖像窗口；
[0011] S6、根據(jù)所述最優(yōu)的圖像綜合特征，計算多個匹配區(qū)圖像窗口的綜合特征值，將所 述多個匹配區(qū)圖像窗口按照其綜合特征值從大到小的順序進行排序，選取前P個匹配區(qū)圖 像窗口作為最終的匹配區(qū)；
[0012] 其中，所述N，M，P彡2。
[0013] 優(yōu)選的，所述多個圖像適配特征包括：
[0014] 基準圖信息熵、平均零交叉密度、基準圖復雜度、全局標準差、絕對值粗糙度、平均 FBM分形維數(shù)、平均失配噪聲閾值、平均最高互信息峰值尖銳度、邊緣密度標準差、互信息自 匹配系數(shù)、互信息重復度、平均互信息面最高峰與次高峰值比以及灰度均值。
[0015] 本發(fā)明的有益效果是：本發(fā)明提供的一種基于多特征融合的景象匹配區(qū)選取方 法，通過將選取的多個圖像適配特征融合為一個綜合特征指標，再通過訓練圖像獲取最優(yōu) 的圖像綜合特征進行匹配區(qū)的選取，使得所選匹配區(qū)包含了更多的特征信息，增強了所選 匹配區(qū)的適配性，同時使用綜合特征指標，有利于定量化研究適配性問題，利用訓練圖像這 些先驗信息使得選取的匹配區(qū)更為有效；本發(fā)明操作方便，計算簡單，耗時少，易于實現(xiàn)。

【具體實施方式】
[0016] 下面結合實施例，對本發(fā)明的【具體實施方式】作進一步詳細描述。
[0017] 本發(fā)明提供一種基于多特征融合的景象匹配區(qū)選取方法，包括以下步驟：
[0018] S1、選擇多個圖像適配特征作為葉節(jié)點，將作用于所述多個圖像適配特征的運算 符作為根節(jié)點，利用遞歸算法生成多個特征二叉樹模型；
[0019] S2、所述多個特征二叉樹模型分別完成其對應的多個圖像適配特征的融合，得到 多個圖像綜合特征；
[0020] 優(yōu)選的，所述多個圖像適配特征包括：

【權利要求】
1. 一種基于多特征融合的景象匹配區(qū)選取方法，其特征在于，所述方法包括： 51、 選擇多個圖像適配特征作為葉節(jié)點，將作用于所述多個圖像適配特征的運算符作 為根節(jié)點，利用遞歸算法生成多個特征二叉樹模型； 52、 所述多個特征二叉樹模型分別完成其對應的多個圖像適配特征的融合，得到多個 圖像綜合特征； 53、 對于每一個圖像綜合特征，計算多幅訓練圖像的綜合特征值，并將所述多幅訓練圖 像按照其綜合特征值從大到小的順序進行排序，計算前N幅訓練圖像真實匹配概率的平均 值，得到前N幅圖像的平均匹配概率，將該平均匹配概率作為該圖像綜合特征的效能評價 函數(shù)值； 54、 將多個特征二叉樹模型按照其對應圖像綜合特征的效能評價函數(shù)值從大到小的順 序進行排序，利用遺傳算法對前Μ個特征二叉樹模型進行進化，并輸出效能評價函數(shù)值最 高的特征二叉樹模型，進而得到最優(yōu)的圖像綜合特征； 55、 在進行匹配區(qū)選取時，在待提取圖像中遍歷匹配區(qū)圖像窗口，得到多個匹配區(qū)圖像 窗口； 56、 根據(jù)所述最優(yōu)的圖像綜合特征，計算多個匹配區(qū)圖像窗口的綜合特征值，將所述多 個匹配區(qū)圖像窗口按照其綜合特征值從大到小的順序進行排序，選取前Ρ個匹配區(qū)圖像窗 口作為最終的匹配區(qū)； 其中，所述Ν，Μ，Ρ彡2。
2. 如權利要求1所述的基于多特征融合的景象匹配區(qū)選取方法，其特征在于，所述多 個圖像適配特征包括： 基準圖信息熵、平均零交叉密度、基準圖復雜度、全局標準差、絕對值粗糙度、平均FBM 分形維數(shù)、平均失配噪聲閾值、平均最高互信息峰值尖銳度、邊緣密度標準差、互信息自匹 配系數(shù)、互信息重復度、平均互信息面最高峰與次高峰值比以及灰度均值。
【文檔編號】G06K9/62GK104217210SQ201410473129
【公開日】2014年12月17日 申請日期:2014年9月5日 優(yōu)先權日:2014年9月5日
【發(fā)明者】涂國勇, 卜彥龍, 周韶斌, 傘景輝, 李偉建, 李壯, 王國華, 李昕磊, 王震, 馬向斌 申請人:中國人民解放軍63620部隊