[发明专利]一种基于拓扑结构相似度的集群舰船队形识别方法

说明书

本发明属于图像处理技术领域，公开了一种基于拓扑结构相似度的集群舰船队形识别方法，包括以下步骤，步骤一，构建单阶段无锚框的舰船目标关键点检测模型，利用中心点估计任意方向集群舰船目标，获取舰船中心点的坐标位置；步骤二，利用德洛内三角网实现对集群舰船目标外围轮廓的表达，绘制集群舰船编队外围轮廓的拓扑结构；步骤三，利用待识别编队的拓扑结构信息，计算与公开的标准舰船编队的相似度，从而实现集群舰船队形识别；过程中使用拓扑结构、距离关系、分布范围、分布密度以及集群舰船目标来计算相似度。本发明能有效识别集群舰船队形。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于拓扑结构相似度的集群舰船队形识别方法。

背景技术

在大范围高分辨率的光学遥感图像中，舰船目标背景复杂多变，多种类舰船目标常以任意方向密集排列，类内差异小，导致通常的检测识别模型具有局限性，因此高分辨率可见光遥感图像的集群舰船队形识别成为一项极大的挑战。

群体从广义上来说是一个有组织、相互关联的目标集合体。虽然目标群由多个目标组成，但是目标群的主要特征在于目标与目标之间的相互关系、团体之间的组织结构以及单个目标与整体之间的上下文关系。集群舰船不同于孤立的舰船，在运动过程中往往表现出群组特性。舰群成员运动受到群内其他成员作用约束，其运动特性与群整体相一致。集群的运动模式较为相似，且一定时间内会保持空间位置相对固定。目前针对集群舰船队形识别的方法相对比较少，大致可以分为三类：基于结构单元的集群舰船队形识别方法、基于图模型的集群舰船队形识别方法以及基于形状上下文的集群舰船队形识别方法。按照群体舰船的排列方式可以获得多种基本队形，可以通过了解队形中的基本单元，分析出整个舰船群体队形，从而能够智能感知队形。

但这类方法比较依赖构成队形的基本单元，前期基本单元的识别结果直接影响队形识别的效率。为解决目标集群舰船目标尺度变化剧烈、舰船目标任意方向密集排列等问题，部分学者采用图模型来识别群体队形，提取图中部分关键点，随后在待匹配图像中找对应点，依次连接构成图模型，这种简单的图模型识别群体队形方法，仅仅考虑单个目标节点的位置信息，并没有加入群体行为的上下文联系的密切关系，缺失丰富的高层语义信息。同时对于集群舰船队形识别，图匹配方法中局部特征描述子无法直接使用，舰船编队目标相互之间的密切联系，无法用单个节点(舰船)描述整个图(编队)的关系。基于形状上下文的目标群识别方法虽然用直方图统计了目标边缘的采样点，获取了形状上下文的局部描述子，但是这类方法需要大量的采样点，对于集群舰船编队队形而言，舰船目标数量有限，因此这类方法也无法取得有效的舰船队形识别结果。

发明内容

本发明意在提供一种基于拓扑结构相似度的集群舰船队形识别方法，本发明旨在解决现有技术中存在的技术问题。

为实现上述目的，本发明提供如下技术方案，一种基于拓扑结构相似度的集群舰船队形识别方法，包括以下步骤：

步骤一，构建单阶段无锚框的舰船目标关键点检测模型，利用中心点估计任意方向集群舰船目标，获取舰船中心点的坐标位置；

步骤二，利用德洛内三角网实现对集群舰船目标外围轮廓的表达，绘制集群舰船编队外围轮廓的拓扑结构；

步骤三，利用待识别编队的拓扑结构信息，计算与公开的标准舰船编队的相似度，从而实现集群舰船队形识别；过程中使用拓扑结构、距离关系、分布范围、分布密度以及集群舰船目标来计算相似度。

在本发明的另一种优选实施方式中，步骤一中构建单阶段无锚框的舰船目标关键点检测模型，采用旋转框检测任意方向排列、长宽比极端的舰船目标，并使用Centernet网络实现单阶段无锚框的关键点舰船目标检测；

利用DLA主干网络融合语义和空间信息，提取目标特征向量；同时加入CA注意力机制，捕捉网络的位置和通道信息；CA注意力机制包括信息嵌入和坐标注意力生成，输出为，