一种遥感图像多目标关联的方法
【专利摘要】本发明涉及一种遥感图像多目标关联的方法，首先根据MSA变换提取目标图像的多尺度自卷积矩(MSA)特征，通过计算目标特征之间的欧氏距离获得任意两目标的匹配代价，即相似性测度。将两幅遥感图像中的多目标关联看作二维分配问题，构造多目标关联代价矩阵(ACM)，然后结合实际应用，根据关联准则构造目标函数，即全局最优化模型。最后对模拟退火算法进行改进，设定内、外循环迭代次数，并设计一种新的自适应温度更新函数，改进温度控制方式，在保证关联准确性的前提下以提高算法的时间性能。
【专利说明】一种遥感图像多目标关联的方法
【技术领域】
[0001]本发明涉及一种遥感图像多目标关联的方法，基于图像多尺度自卷积矩(MultiScale Auto-convolution,MSA)特征和模拟退火优化的遥感图像多目标关联。其可以广泛应用于遥感图像多目标检测识别、融合、跟踪系统中。
【背景技术】
[0002]以往的目标关联方法主要指状态滤波类方法，将目标视为点对象，利用雷达型数据提供的目标位置、速度、方位等运动特征进行关联，适合密集采样的序列图像。如1989年Shalom Y B提出了基于目标质心及质心偏移量的联合概率数据关联(JPDA)方法，首先将目标与背景分割，然后计算目标区域的质心，以估计目标的运动信息，最后利用JPDA方法实现关联与跟踪。1993年Blackman S等人提出了在红外系统中将目标检测和跟踪联合设计的方法，利用多假设跟踪(MHT)算法进行目标图像特征点的匹配跟踪。但由于当前遥感成像技术一般只能获取采样稀疏的遥感图像，很难预测目标的状态量，因此信息融合领域中传统的利用状态特征进行关联的方法并不适合遥感图像的目标关联。需要利用目标图像自身特征进行匹配，来建立新的目标关联准则。
[0003]首先解决图像特征的提取问题。不变矩方法是解决图像特征不变性的常用方法，它能够克服视点变化对特征量的干扰，最具代表性的就是Hu矩特征。2005年Esa Rahtu等结合多尺度几何分析方法，在Hu矩特征的基础上，研究可以同时捕获空间特性和图像强度的多维不变描述子，构造了多尺度自卷积矩(Multi Scale Auto-convolution, MSA)特征，实践证明是目前最稳健的不变矩特征之一。然后采用距离度量法进行特征匹配，但由于遥感信息的不确定性 和特征提取算法的不精确性导致特征匹配结果存在误差，因此需要进行关联修正来消除多目标对应关系的模糊性。2008年雷琳等人对上述问题提供了一种解决思路，首先利用目标特征匹配结果构造一个多目标关联代价矩阵(Association CostMatrix, ACM)，然后采用模拟退火算法求解使得整体关联代价最小的关联代价矩阵，即为最终多目标关联结果。
【发明内容】
[0004]要解决的技术问题
[0005]为了避免现有技术的不足之处，本发明提出一种遥感图像多目标关联的方法，解决当前遥感成像无法准确估计目标状态信息和大场景图像中多目标匹配关联的模糊性问题。
[0006]技术方案
[0007]—种遥感图像多目标关联的方法，其特征在于步骤如下:
[0008]步骤1、特征提取:采用MSA变换计算每幅目标图像的特征向量
【权利要求】
1.一种遥感图像多目标关联的方法，其特征在于步骤如下: 步骤1、特征提取:采用MSA变换计算每幅目标图像的特征向量
2.根据权利要求1所述遥感图像多目标关联的方法，其特征在于:所述若干s-max次为100次。
3.根据权利要求1所述遥感图像多目标关联的方法，其特征在于:所述若干iter-max步为200步。
【文档编号】G06T7/00GK103985120SQ201410200198
【公开日】2014年8月13日 申请日期:2014年5月13日 优先权日:2014年5月13日
【发明者】李晖晖, 滑立, 郭雷, 杨宁 申请人:西北工业大学