[发明专利]一种无人机对地目标ROI提取方法

说明书

技术领域

本发明属于图像目标检测识别技术领域，特别涉及一种无人机对地目标ROI提取方法。

背景技术

航空图像中的特定目标检测技术在战场特定区域监测、目标精确打击等方面具有重要的意义。由于客观条件的限制，很多情况下取得特定目标的基准图像比较困难。目前常用的方式是利用卫星光学图像或者高空侦察机拍摄到的航空图像作为特定目标的基准图像，以机载摄像机在飞行过程中拍摄到的图像作为实时图像，通过目标检测算法在实时图像中完成特定目标的检测和定位，如图1所示。该应用方式的主要难点包括：(1)基准图像与实时图像的成像环境存在较大差异，主要包括成像时间、天气状况、载体姿态、成像分辨率等因素。这就要求检测算法对目标图像的光照变化、尺度变化、旋转角度具有较强的适应性。(2)小型无人机负载有限，且存在载体抖动，从算法稳定性考虑一般要求在DSP上运行。目前的目标检测算法的计算复杂度相对较高，存在机制上的问题，无法满足机载实时处理要求。

目前，国内外研究者通常采用特征检测与匹配的方法实现特定目标的精确定位。该方法首先分别从基准图像和实时图像中提取出具有光照不变性、尺度不变性或仿射不变性的特征，以期使得算法对光照、尺度、仿射变化具有一定的环境适应性。然后，利用特征描述与匹配的方法获得实时图像目标特征与基准图像目标特征的对应关系，由此推算出目标在实时图像中的位置。该类方法存在的主要问题是：实时图像特征数量庞大，使得特征匹配的搜索范围很大，且提取出具有尺度或仿射不变性的特征也需要较高的计算复杂度，难以满足机载处理的需要。

为减小特征匹配的搜索空间，部分研究者提出采用视觉显著性分析技术从实时图像中提取可能包含目标区域的感兴趣区域ROI(Region Of Interest)，然后将基准图像目标特征与ROI中的特征进行匹配定位。然而，目前的ROI定位方法均是基于自底向上的思想，没有利用目标本身的信息，提取的ROI可能会漏掉感兴趣的目标，致使检测失败。另外，该类方法只能在PC上达到实时的速度，不能满足机载处理的需求。

总的来说，目前的方法仍然无法解决无人机对地特定目标的机载实时检测问题，亟需在新的视觉显著性计算机制、特定目标检测技术的系统性与适用性等方面进一步开展深入的研究工作，力图在算法正确率、效率、环境适应性等方面取得进展，形成系统性的成果。

发明内容

本发明的主要目的在于提供一种新的视觉显著性计算机制，以解决ROI的快速可靠定位问题，使得基于特征匹配的目标精确计算的复杂度大大降低。另外，本发明提出了目标描述结构邻域的选择方法、特征的统计方法、及各种计算方法的DSP优化方法，用于解决无人机对特定目标的ROI定位问题。

为实现上述目的，本发明提供一种无人机对地目标ROI提取方法，其特征在于，所述方法包括步骤：

步骤1：对基准卫星图像进行预处理，并从不同尺度和不同姿态的基准图像中提取能够反映目标局部特征的模式，包括目标区域的模式和关联环境区域的模式；

步骤2：统计分析目标区域和关联环境区域的模式分布情况，根据目标区域和关联环境区域模式分布情况的对比关系，计算出各个模式的显著性值，并建立目标视觉显著性模型；

步骤3：对于实时图像，经过图像增强预处理后，与步骤1和2同样的方式，获取每个像素点的模式，根据所述目标视觉显著性模型获取每个像素点的模式对应的显著性值，每个像素点的模式对应的显著性值对应实时图像的视觉显著性图像；

步骤4：采用和基准图像中目标区域大小一致的窗口在所述实时图像的目标显著性图像上滑动，取均值或者加权均值最大的位置为估计的目标粗略位置；利用目标粗略位置为中心、大小与目标区域大小一致的区域中的模式的尺度分布信息估计出实时图像大致的分辨率；根据目标粗略位置、估计分辨率值得到与基准卫星图像分辨率基本一致的ROI。