一種圖像匹配系統(tǒng)的異源測試圖像標定方法
【技術領域】
[0001] 本發(fā)明涉及一種圖像處理系統(tǒng)性能評估技術領域，具體地說是一種圖像匹配系統(tǒng) 的異源測試圖像標定方法。
【背景技術】
[0002] 近些年來，圖像處理系統(tǒng)得到了迅猛的發(fā)展，伴隨著大量算法的提出和改進，許多 學者利用不同的圖像庫分析測試了各種處理算法，但如果圖像處理系統(tǒng)工作在未知環(huán)境下 時，仍然無法保證系統(tǒng)功能的正常實現(xiàn)，尤其是在較難獲取同源場景測試圖像條件下，如果 利用其他體制的圖像也能夠?qū)崿F(xiàn)評估與測試的目的，這對圖像處理系統(tǒng)的評估和優(yōu)化系統(tǒng) 功能意義重大。
[0003] 在分析評價匹配系統(tǒng)時，通常分成以下兩步：
[0004] (1)獲取影響系統(tǒng)性能的有關圖像質(zhì)量的統(tǒng)計特征量；
[0005] (2)建立圖像的統(tǒng)計特征量與系統(tǒng)性能之間的相互關系的數(shù)學模型。
[0006] 系統(tǒng)的性能評價方法一般采用響應函數(shù)模型方法。它是用一組有限的實驗數(shù)據(jù)擬 合特定的數(shù)學模型。對圖像處理系統(tǒng)，不需要考慮系統(tǒng)的內(nèi)部結構，而是從整體上建立匹配 系統(tǒng)的輸入與輸出的函數(shù)關系。即：
[0007] Pm = Pm (Ρ, Μ)
[0008] 式中，Pm為匹配系統(tǒng)的性能，；Ρ為匹配系統(tǒng)的參數(shù)；Μ為輸入圖像的圖像質(zhì)量指 標。
[0009] 圖像度量方法可以從不同的角度分類，依據(jù)視覺系統(tǒng)的不同，可以分為基于人眼 視覺和基于機器視覺。根據(jù)目標大小，可以分為小目標圖像和大目標圖像。依據(jù)提取的圖像 特征，可以分為基于灰度統(tǒng)計、邊緣、紋理和變換域等特征?？傮w可將度量方法分為五種：
[0010] (1)特定目標度量，表征目標與場景中其他物體相區(qū)別的特征，如目標灰度分布特 征，灰度共生矩陣等方法；
[0011] (2)目標/局部背景圖像度量，表征了匹配系統(tǒng)初始探測目標并標記為感興趣區(qū) 域，以及從背景中提取目標的能力，如Wilson提出的平方和根（RSS)度量，Silverman提出 的目標干擾比尺度方法。
[0012] (3)全局目標顯著性度量，表征了測定整個圖像與感興趣目標相似的程度，可以用 來評估由于圖像中存在于目標相似的特征，導致目標識別系統(tǒng)產(chǎn)生虛警的可能，如常紅花 提出基于統(tǒng)計方差雜波尺度的計算思路，Toet利用Search2數(shù)據(jù)庫研究目標結構相似尺度 與人眼識別目標性能之間的關系。
[0013] (4)全局圖像度量，描述圖像整體的結構和信息內(nèi)容，不使用任何目標信息，以免 破壞其全局整體性特征，如Schmieder等提出的紅外背景雜波量化尺度SV，楊磊等提出基 于加權信息熵的紅外背景復雜程度定量描述指標。
[0014] (5)復合度量，由相關的多種局部或全局度量尺度綜合組成的復合度量尺度，如 Rotman等將共生矩陣雜波尺度和邊緣概率雜波尺度線性組合形成復合度量參數(shù)。
[0015] 紅外圖像與可見光圖像之間存在差異，如：
[0016] (1)可見光圖像對比度相對較高，它由反射率和陰影決定。紅外圖像對比度由發(fā)射 率和溫度決定，對比度相對較低，且可以在很大的一個范圍內(nèi)變化。
[0017] (2)紅外圖像和可見光圖像的成像機理不同，導致兩者圖像特征具有不同的灰度 值，在紅外圖像中出現(xiàn)的特征并不一定在可見光圖像中也出現(xiàn)。
[0018] (3)紅外圖像的空間相關性較大，紅外圖像中景物表面的紋理信息較差，可見光圖 像能反映出目標表面的紋理細節(jié)信息，有紋理信息可供利用。
[0019] 但兩種異源圖像還是有相似之處，使用條件可總結如下幾點：
[0020] (1)在可見光和紅外圖像中處在同一位置；
[0021] (2)在圖像中均勻分布；
[0022] (3)位于高對比度區(qū)域。
[0023] 因此，目前的圖像匹配系統(tǒng)多數(shù)工作在紅外成像體制上，對于圖像匹配系統(tǒng)的事 前測試與評估，都是采用同源測試圖像來標定完成，即紅外圖像序列。但在實際的未知環(huán)境 中，同源的紅外圖像序列很難獲取，而可見光的異源圖像是非常容易獲取的，如衛(wèi)星圖像、 航拍圖像，如果能夠使用未知環(huán)境中的可見光圖像作為測試圖像序列，完成圖像匹配系統(tǒng) 的測試與評估，這就需要對可見光圖像與紅外圖像之間的關聯(lián)性進行標定，從前面敘述的 相關研究成果來看，異源圖像的分析只是單純對比灰度、特征等關聯(lián)信息，沒有同匹配系統(tǒng) 的性能指標建立關聯(lián)，不適用匹配系統(tǒng)的測試與評估，而適用于異源圖像測試與評估的標 定方法還沒有相關成果發(fā)表。

【發(fā)明內(nèi)容】

[0024] 針對現(xiàn)有技術的不足，本發(fā)明提供一種圖像匹配系統(tǒng)的異源測試圖像標定方法， 該標定方法基于異源圖像相似性原理，不僅分析與建立了異源圖像的內(nèi)在相似性指標，更 結合了圖像匹配系統(tǒng)的性能評估指標，建立可見光圖像與紅外圖像之間的關聯(lián)性，通過紅 外圖像的匹配系統(tǒng)性能指標來標定可見光圖像序列，并設計一套步驟清晰、完整的異源圖 像標定技術路線，此方法保證在匹配系統(tǒng)工作在未知環(huán)境中，可以利用標定后的可見光圖 像完成匹配系統(tǒng)的測試與評估，保障圖像匹配系統(tǒng)順利完成任務。
[0025] 本發(fā)明為實現(xiàn)上述目的所采用的技術方案是：一種圖像匹配系統(tǒng)的異源測試圖像 標定方法，包括以下步驟：
[0026] 步驟1 :建立可見光圖像和紅外圖像序列的相似特征指標候選集合；
[0027] 步驟2 :利用灰色關聯(lián)度分析方法度量異源圖像候選集合中各個特征的相似性， 并依此對相似特征指標集合進行關聯(lián)程度排序，選取相似特征向量；
[0028] 步驟3 :根據(jù)基于Canny算子的邊緣特征提取算法的閾值參數(shù)，選取不同參數(shù)，計 算并劃分特征值組合，形成標定測試試驗方案；
[0029] 步驟4:分別統(tǒng)計光電成像匹配系統(tǒng)對可見光圖像和紅外圖像的匹配率，依據(jù)紅 外圖像輸出的匹配率結果進行分級，標定對應的可見光圖像特征值范圍。
[0030] 所述灰色關聯(lián)度分析方法包括：
[0031] 步驟1 :確定反映系統(tǒng)行為特征的參考數(shù)列和影響系統(tǒng)行為的比較數(shù)列；
[0032] 步驟2 :對參考數(shù)列和比較數(shù)列進行無量綱化處理；
[0033] 步驟3 :求參考數(shù)列與比較數(shù)列的灰色關聯(lián)系數(shù)ξ (XJ :
[0034]
[0035] 其中AM(k)為各比較數(shù)列Xi曲線上的每一個點與參考數(shù)列X。曲線上的每一個 點的絕對差值，Δ (min)為兩級最小差，Δ (max)為兩級最大差，P為分辨系數(shù)，P >0 ;
[0036] 步驟4 :求關聯(lián)度&
其中N為一組測試圖像序列的圖像總 數(shù)；
[0037] 步驟5 :將子序列對同一母序列的關聯(lián)度按大小順序排列起來，組成關聯(lián)排序。
[0038] 所述根據(jù)基于Canny算子的邊緣特征提取算法的閾值參數(shù)，選取不同參數(shù)，計算 并劃分特征值組合，形成標定測試試驗方案包括以下過程：
[0039] 選取Canny特征提取算法的不同閾值參數(shù)，改變每幅異源測試圖像所包含的特征 信息，獲取圖像對應的特征取值區(qū)間，得到多個特征的不同特征取值組合；
[0040] 不同特征取值組合的測試圖像形成測試試驗所需要的圖像序列，進行匹配成功率 的測試試驗。
[0041] 所述測試圖像沒有覆蓋的特征區(qū)間被視為無效取值區(qū)間而篩除掉。
[0042] 所述統(tǒng)計光電成像匹配系統(tǒng)對可見光圖像和紅外圖像的匹配率包括以下過程：
[0043] 將不同特征信息的紅外測試圖像作為圖像序列，并根據(jù)特征的取值區(qū)間進行圖片 分類，形成不同特征等級的圖像測試集合；
[0044] 分別使用不同特征等級的圖像測試集合，測試匹配系統(tǒng)并統(tǒng)計其輸出結果，記錄 不同特征等級的匹配成功概率。
[0045] 所述依據(jù)紅外圖像輸出的匹配率結果進行分級包括以下過程：
[0046] 建立紅外測試圖像的不同特征等級與匹配成功概率的一一對應關系；
[0047] 根據(jù)可見光和紅外圖像的相似特征矢量，計算可見光圖像的特征值；
[0048] 根據(jù)特征值的取值區(qū)間選取相同特征取值的紅外圖像匹配成功率。
[0049] 本發(fā)明具有以下有益效果及優(yōu)點：
[0050] 1.本發(fā)明方法采用圖像特征分析方法，找到異源圖像的相似性特征向量，并利用 特征提取算法中單一參數(shù)的不同取值對應劃分各個特征的取值范圍，可以有效減少特征的 無用數(shù)據(jù)區(qū)間，準確定位影響匹配系統(tǒng)性能的有效區(qū)域，同時輸出異源測試圖像標定分析 試驗；
[0051] 2.本發(fā)明方法采用計算各個特征取值區(qū)間的圖像匹配系統(tǒng)在紅外圖像序列中的 匹配成功概率，并劃分多個等級，來標定對應條件下可見光圖像序列的特征集合，等價于可 見光圖像標定，則標定后的可見光圖像的特征取值可直接對圖像匹配系統(tǒng)進行性能預測評 估，實現(xiàn)異源圖像的性能測試與評估。
【附圖說明】
[0052] 圖1為本發(fā)明的整體流程圖；
[0053] 圖2為本發(fā)明的可見光與紅外圖像特征圖，其中（a)為紅外圖像特征圖，（b)可見 光圖像特征圖；
[0054] 圖3為本發(fā)明的異源圖像相似指標的分級結果圖。
【具體實施方式】
[0055] 下面結合附圖及實施例對本發(fā)明做進一步的詳細說明。
[0056] 如圖1所示，本發(fā)明圖像匹配系統(tǒng)的異源測試圖像標定方法包括以下步驟：
[0057] (1)建立可見光圖像和紅外圖像的相似特征指標候選集合；
[0058] (2)利用灰色關聯(lián)度分析法度量各個特征的相似性，并依相似性的高低對特征指 標排序，選取高相似性的特征指標；
[0059] (3)采用Canny特征提取算法的不同參數(shù)，計算不同的特征值組合，形成試驗方 案；
[0060] (4)均勻劃分各個特征值的取值范圍，統(tǒng)計各個范圍下光電成像匹配系統(tǒng)對紅外 圖像的匹配率，依據(jù)紅外圖像輸出的匹配率結果進行特征分級，同時標定對應的可見光圖 像特征值范圍，結束標定過程。
[0061] 所述的可見光圖像和紅外圖像序列的相似特征指標候選集合的建立過程為：根據(jù) 圖像度量的各類指標，結合紅外與可見光圖像的相似原則，選取的特征指標如表1所示。選 取特征指標候選集合的是在考慮異源圖像的條件下完成的，不同于以往的單一體制圖像特 征度量與分析，保證可見光圖像和紅外圖像的具有的共同的特征信息，包括灰度分布特征、 信息熵、局部目標/背景對比度、全局顯著性度量等。
[0062] 表1相似特征候選表
[0063]
[0064] 灰色關聯(lián)度分析