法度量各個特征的相似性過程為：灰色關(guān)聯(lián)度分析是一種新的因 素分析方法，它對系統(tǒng)動態(tài)過程量化分析以考察系統(tǒng)諸因素之間的相關(guān)程度，是一種定量 與定性相結(jié)合的分析方法。其基本思想是根據(jù)事物或因素的序列曲線的相似程度來判斷其 關(guān)聯(lián)程度的，若兩條曲線的形狀彼此相似，則關(guān)聯(lián)度大；反之，關(guān)聯(lián)度就小?；疑P(guān)聯(lián)分析是 對運行機制與物理原型不清楚或者根本缺乏物理原型的灰關(guān)系序列化、模式化，進而建立 灰關(guān)聯(lián)分析模型，使灰關(guān)系量化、序化、顯化，能為復(fù)雜系統(tǒng)的建模提供重要的技術(shù)分析手 段。
[0065] 灰色系統(tǒng)關(guān)聯(lián)分析的具體計算步驟如下：
[0066] (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。
[0067] 反映系統(tǒng)行為特征的數(shù)據(jù)序列，稱為參考數(shù)列。影響系統(tǒng)行為的因素組成的數(shù)據(jù) 序列，稱比較數(shù)列。
[0068] (2)對參考數(shù)列和比較數(shù)列進行無量綱化處理。
[0069] 由于系統(tǒng)中各因素的物理意義不同，導(dǎo)致數(shù)據(jù)的量綱也不一定相同，不便于比較， 或在比較時難以得到正確的結(jié)論。因此在進行灰色關(guān)聯(lián)度分析時，一般都要進行無量綱化 的數(shù)據(jù)處理。
[0070] (3)求參考數(shù)列與比較數(shù)列的灰色關(guān)聯(lián)系數(shù)ξ (\)。
[0071] 所謂關(guān)聯(lián)程度，實質(zhì)上是曲線間幾何形狀的差別程度。因此曲線間差值大小，可作 為關(guān)聯(lián)程度的衡量尺度。對于一個參考數(shù)列\(zhòng)有若干個比較數(shù)列&，Χ 2, ... Χη，各比較數(shù)列 與參考數(shù)列在各個時刻（即曲線中的各點）的關(guān)聯(lián)系數(shù)ξ (?)可由下列公式算出：其中Ρ 為分辨系數(shù)，￡?>〇,通常取0.5。兩級最小差，記為Δ (min)。是兩級最大差，記為Δ (max)。 為各比較數(shù)列Xi曲線上的每一個點與參考數(shù)列Xc曲線上的每一個點的絕對差值，記為 Δ Oi 00 〇
[0072] 所以關(guān)聯(lián)系數(shù)ξ (XJ可簡化如下列公式：
[0073]
[0074] (4)求關(guān)聯(lián)度&。
[0075] 因為關(guān)聯(lián)系數(shù)是比較數(shù)列與參考數(shù)列在各個時刻（即曲線中的各點）的關(guān)聯(lián)程度 值，所以它的數(shù)不止一個，而信息過于分散不便于進行整體性比較。因此有必要將各個時刻 (即曲線中的各點）的關(guān)聯(lián)系數(shù)集中為一個值，即求其平均值，作為比較數(shù)列與參考數(shù)列間 關(guān)聯(lián)程度的數(shù)量表示，關(guān)聯(lián)度A公式如下：
[0076]
[0077] (5)關(guān)聯(lián)度排序。
[0078] 因素間的關(guān)聯(lián)程度，主要是用關(guān)聯(lián)度的大小次序描述，而不僅是關(guān)聯(lián)度的大小。將 m個子序列對同一母序列的關(guān)聯(lián)度按大小順序排列起來，便組成了關(guān)聯(lián)序，記為{x}，它反 映了對于母序列來說各子序列的"優(yōu)劣"關(guān)系。
[0079] 通過一組紅外序列圖像和對應(yīng)的可見光序列圖像，計算圖像的各個特征值，形成 特征變化曲線，并對各個特征進行無量綱化處理，計算對應(yīng)變化曲線的關(guān)聯(lián)度，關(guān)聯(lián)度結(jié)果 如下表2所示：
[0080]

[0081] 表2指標關(guān)聯(lián)度計算結(jié)果表
[0082] 按預(yù)先設(shè)定的閾值，選取邊緣熵、平均目標邊緣強度標準差、目標邊緣強度均值為 相似特征向量元素。
[0083] 針對異源圖像的特征集合，選取了灰色關(guān)聯(lián)度分析方法度量異源圖像各個特征的 關(guān)聯(lián)程度，滿足了不清楚異源特征相似的內(nèi)在機理的條件下，也能夠建立灰關(guān)系，進而建立 關(guān)聯(lián)分析模型，并選取關(guān)聯(lián)度高的特征，建立異源圖像相似特征向量。
[0084] 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(yīng)的特征取值區(qū)間，實現(xiàn)多個特征的不同取值組合，這些不同特征取值組 合的測試圖像形成測試試驗所需要的圖像序列，可進行匹配成功率的測試試驗，同時測試 圖像沒有覆蓋的特征區(qū)間也被視為無效取值區(qū)間而篩除掉，優(yōu)化了特征的取值區(qū)間；
[0085] 采用Canny特征提取算法的閾值的不同取值，計算不同的特征值組合，形成試驗 方案的過程為：圖像的邊緣檢測，就是要用離散化梯度逼近函數(shù)根據(jù)二維灰度矩陣梯度向 量來尋找圖像灰度矩陣的灰度躍變位置，然后在圖像中將這些位置的點連起來就構(gòu)成了所 謂的圖像邊緣。
[0086] 在實際情況中理想的灰度階躍及其線條邊緣圖像是很少見到的，同時大多數(shù)的傳 感器件具有低頻濾波特性，這樣會使得階躍邊緣變?yōu)樾逼滦赃吘墸雌饋砥渲械膹姸茸兓?不是瞬間的，而是跨越了一定的距離。這就使得在邊緣檢測中首先要進行的工作是濾波。 [0087] 這里使用Canny邊緣檢測算法，此算法屬于先平滑后求導(dǎo)數(shù)的方法。并用雙閾值 算法檢測和連接邊緣Canny算法中減少假邊緣數(shù)量的方法是采用雙閾值法。選擇兩個閾 值，根據(jù)高閾值得到一個邊緣圖像，這樣一個圖像含有很少的假邊緣，但是由于閾值較高， 產(chǎn)生的圖像邊緣可能不閉合，未解決這樣一個問題采用了另外一個低閾值。
[0088] 在高閾值圖像中把邊緣鏈接成輪廓，當?shù)竭_輪廓的端點時，該算法會在斷點的8 鄰域點中尋找滿足低閾值的點，再根據(jù)此點收集新的邊緣，直到整個圖像邊緣閉合。
[0089] 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，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(jié)果，記錄不同特征等級的匹配成功概率，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(yīng)關(guān)系，并根據(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，并根據(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，最終建立紅外測試圖像匹配成功概率與可見光圖像特征值之間映射關(guān)系，完成異源圖 像的標定。
[0090] 本方法中可采用多次遍歷的均勻選取算法閾值，獲取序列圖像的特征圖，并分別 計算各個特征指標的取值來設(shè)計實驗方案，第一次選取的結(jié)果如下表3。如果區(qū)間跨度較大 可局部進行二次選取，如表4。
[0091]
[0092] 表3第一次選取結(jié)果-'
' '
[0093]
[0094] 表4第二次選取結(jié)果
[0095] 圖像匹配系統(tǒng)的匹配試驗結(jié)果分析過程為：
[0096] (1)按每個特征的有效范圍劃分各個區(qū)間，并將匹配結(jié)果映射到各個區(qū)間，利用匹 配概率公式：
[0097]
[0098] (2)如果匹配概率近似相同，可將特征相鄰區(qū)間合并，分析結(jié)果如圖3 ;
[0099] 并分析特征區(qū)間與圖像匹配系統(tǒng)匹配概率的單調(diào)性，只保留特征區(qū)間與匹配概率 成單調(diào)關(guān)系的特征，這里保留邊緣熵指標。
[0100] 可見光圖像按邊緣熵的取值范圍映射各個匹配概率等級，完成可見光圖像的標 定。
【主權(quán)項】
1. 一種圖像匹配系統(tǒng)的異源測試圖像標定方法，其特征在于：包括以下步驟： 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； 步驟2 :利用灰色關(guān)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(guān)聯(lián)程度排序，選取相似特征向量； 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； 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(jié)果進行分級，標定對應(yīng)的可見光圖像特征值范圍。2. 根據(jù)權(quán)利要求1所述的圖像匹配系統(tǒng)的異源測試圖像標定方法，其特征在于：所述 灰色關(guān)聯(lián)度分析方法包括： 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； 步驟2 :對參考數(shù)列和比較數(shù)列進行無量綱化處理； 步驟3:求參考數(shù)列與比較數(shù)列的灰色關(guān)聯(lián)系數(shù)ξ (XJ :其中ΛΜ00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 ;步驟4 :求關(guān)聯(lián)度Γι : 其中Ν為一組測試圖像序列的圖像總數(shù)； ，+ 步驟5 :將子序列對同一母序列的關(guān)聯(lián)度按大小順序排列起來，組成關(guān)聯(lián)排序。3. 根據(jù)權(quán)利要求1所述的圖像匹配系統(tǒng)的異源測試圖像標定方法，其特征在于：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： 選取Canny算子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(yīng)的特征取值區(qū)間，得到多個特征的不同特征取值組合； 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。4. 根據(jù)權(quán)利要求3所述的圖像匹配系統(tǒng)的異源測試圖像標定方法，其特征在于：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。5. 根據(jù)權(quán)利要求1所述的圖像匹配系統(tǒng)的異源測試圖像標定方法，其特征在于：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： 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； 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(jié)果，記錄不同 特征等級的匹配成功概率。6. 根據(jù)權(quán)利要求1所述的圖像匹配系統(tǒng)的異源測試圖像標定方法，其特征在于：所述 依據(jù)紅外圖像輸出的匹配率結(jié)果進行分級包括以下過程： 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(yīng)關(guān)系； 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； 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。
【專利摘要】本發(fā)明涉及一種圖像匹配系統(tǒng)的異源測試圖像標定方法，包括以下步驟：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；利用灰色關(guān)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(guān)聯(lián)程度排序，選取相似特征向量；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；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(jié)果進行分級，標定對應(yīng)的可見光圖像特征值范圍。本發(fā)明保證在匹配系統(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(wù)。
【IPC分類】G06T7/00
【公開號】CN105678734
【申請?zhí)枴?br>【發(fā)明人】史澤林, 花海洋, 石軼, 向偉, 常錚, 王喆鑫
【申請人】中國科學院沈陽自動化研究所
【公開日】2016年6月15日
【申請日】2014年11月21日