一种基于高斯模板匹配的红外点目标识别方法与流程

1.本发明属于信息感知与识别技术领域，具体涉及一种基于高斯模板匹配的红外点目标识别方法。


背景技术：

2.红外成像系统通过接收热辐射，将热信号转换为对应的电信号，电信号的大小对应了辐射能量的高低，电信号转换为图像输出后就得到了红外图像，红外成像主要受目标的灰度、目标材质、大气衰减等因素影响，在目标成像的同时，背景也同样经过成像系统成像，背景根据目标所处环境的不同，包括天空背景、地面背景以及海面背景等。
3.一个理想的点目标经过光学系统的衍射后能量被分散，最后成像在探测器上时，不再是一个孤零零的点，而是一个近似高斯分布的光斑，而其他背景往往不具备该特性。从而可根据该特性，将目标从背景中识别出来。


技术实现要素：

4.本发明解决的技术问题是：针对上述内容，本发明提出一种基于高斯模板匹配的红外点目标识别方法，该方法在天空中有云边缘和其他不满足高斯分布的干扰时效果较好。
5.本发明的技术方案是：一种基于高斯模板匹配的红外点目标识别方法，包括以下几个步骤：
6.步骤一：离线利用已知数据进行高斯拟合，得到相应的高斯参数；
7.步骤二：对拟合得到的高斯模板数字化和归一化；
8.步骤三：采用相关法进行匹配，将待匹配区域与归一化后的5个模板一一进行匹配，得到5个相应的匹配系数cov1
‑
cov5；
9.步骤四：根据匹配系数对当前区域进行目标识别。
10.所述步骤一的具体过程为：
11.选择5＊5的标准模板，选取相应的图像序列，利用高斯拟合得到相应的高斯参数；二维高斯方程写成如下形式：
[0012][0013]
其中，g为高斯中心的灰度，(x0，y0)为高斯模板中心坐标，σ
x
和σ
y
分别为两个方向上的标准差，(x，y)为参与拟合的像素点的坐标，f(x，y)为对应(x，y)像素点的灰度，对方程两边取对数并乘以f整理得：
[0014][0015]
设参与拟合的像素点的个数为n，f代表对应该坐标的像素点的灰度，上述方程写成矩阵的形式：
[0016]
f＝bc
[0017][0018][0019]
其中f为n＊1的矩阵，b为n＊5的矩阵，c为5＊1的矩阵，利用最小二乘法可得：
[0020]
c＝(b
t
b)
‑1b
t
f
[0021]
得到g，x0，y0，σ
x
，σ
y
五个参数的值即步骤一中的高斯参数，由于有5个参数，最少需要参与拟合的像素点个数n＝5。
[0022]
所述步骤二的具体过程为：
[0023]
对5种不同的高斯模板进行数字化和归一化，得到数字化和归一化后的模板：
[0024]
a)高斯中心完全落在5＊5模板的中心；
[0025]
b)高斯中心落在模板中心右下四个像素，分别包括：模板中
[0026]
心像素、模板中心水平向右像素、模板中心垂直向下像素以及模板中心对角线向下的像素；
[0027]
c)高斯中心落在模板中心左上四个像素，分别包括：模板中
[0028]
心像素、模板中心水平向左像素、模板中心垂直向上像素以及模板中心对角线向上的像素；
[0029]
d)高斯中心落在模板中心右上四个像素，分别包括：模板中
[0030]
心像素、模板中心水平向右像素、模板中心垂直向上像素以及模板中心对角线向上的像素；
[0031]
e)高斯中心落在模板中心左下四个像素，分别包括：模板中
[0032]
心像素、模板中心水平向左像素、模板中心垂直向上像素以及模板中心对角线向上的像素。
[0033]
所述步骤三的具体方法为：
[0034]
设模板为t，待匹配的图像区域为s，匹配就是将模板t覆盖在s上平移，模板匹配的相关系数如下所示，其中m＝5，n＝5：
[0035][0036]
其中，i＝1，2，3，4，5。
[0037]
所述步骤四的具体过程为：
[0038]
若5个匹配系数，只要满足其中一个大于当前设定的阈值covt，则认为当前待匹配区域与模板匹配，判定其为目标；
[0039]
若cov1＞cov2且cov1＞cov3且cov1＞cov4且cov1＞cov5，则表明当前目标的高斯中心完全落在模板的中心；
[0040]
若cov2＞cov1且cov2＞cov3且cov2＞cov4且cov2＞cov5，则表明高斯中心落在模板中心的右下；
[0041]
若cov3＞cov1且cov3＞cov2且cov3＞cov4且cov3＞cov5，则表明高斯中心落在模板中心的左上；
[0042]
若cov4＞cov1且cov4＞cov2且cov4＞cov3且cov4＞cov5，则表明高斯中心落在模板中心的右上；
[0043]
若cov5＞cov1且cov5＞cov2且cov5＞cov3且cov5＞cov4，则表明高斯中心落在模板中心的左下；
[0044]
若5个匹配系数都不满足上述条件，则当前区域不为目标，并将其删除。
[0045]
本发明与现有技术相比的优点是：(1)现有技术一般采用在线拟合高斯模板，计算量大，无法满足工程应用中实时性的要求，本发明采用离线计算高斯模板的方式，减少了计算量；(2)现有技术一般只得到一个高斯中心落在模板中心的标准模板，本发明通过离散化和归一化后得到5个高斯模板，对于高斯中心偏离的情况也能得到有效识别；(3)本发明采用的高斯拟合能够剔除不满足高斯分布的干扰及云边缘。
附图说明
[0046]
图1：本发明流程图；
[0047]
图2：本发明提出的高斯中心落在模板中心的标准模板；
[0048]
图3：本发明提出的高斯中心落在模板中心右下的标准模板；
[0049]
图4：本发明提出的高斯中心落在模板中心左上的标准模板；
[0050]
图5：本发明提出的高斯中心落在模板中心右上的标准模板；
[0051]
图6：本发明提出的高斯中心落在模板中心左下的标准模板；
具体实施方式
[0052]
本发明一种基于高斯模板匹配的红外点目标识别方法，如图1所示，具体包括以下几个步骤：
[0053]
步骤一：离线利用已知数据进行高斯拟合，得到相应的高斯参数；
[0054]
选择5＊5的标准模板，选取相应的图像序列，利用高斯拟合得到标准模板。
[0055]
二维高斯方程可写成如下形式：
[0056][0057]
其中，g为高斯中心的灰度，x0，y0为高斯模板中心，σ
x
和σ
y
分别为两个方向上的标准差，(x，y)为参与拟合的像素点的坐标，f(x，y)为对应(x，y)像素点的灰度，对方程两边取对数并乘以f整理得：
[0058]
对方程两边取对数并乘以f整理得：
[0059][0060]
设参与拟合的像素点的个数为n，上述方程可以写成矩阵的形式：
[0061]
f＝bc
[0062][0063][0064]
利用最小二乘法可得：
[0065]
c＝(b
t
b)
‑1b
t
f
[0066]
可得到g，x0，y0，σ
x
，σ
y
五个参数的值即为高斯模板的参数。
[0067]
步骤二：对拟合得到的高斯模板数字化和归一化；
[0068]
对高斯模板进行数字化和归一化，得到数字化和归一化后的5种不同的模板：
[0069]
(1)高斯中心完全落在5＊5模板的中心；
[0070]
(2)高斯中心落在模板中心右下四个像素，分别包括：模板中心像素、模板中心水
平向右像素、模板中心垂直向下像素以及模板中心对角线向下的像素。
[0071]
(3)高斯中心落在模板中心左上四个像素，分别包括：模板中心像素、模板中心水平向左像素、模板中心垂直向上像素以及模板中心对角线向上的像素。
[0072]
(4)高斯中心落在模板中心右上四个像素，分别包括：模板中心像素、模板中心水平向右像素、模板中心垂直向上像素以及模板中心对角线向上的像素。
[0073]
(5)高斯中心落在模板中心左下四个像素，分别包括：模板中心像素、模板中心水平向左像素、模板中心垂直向上像素以及模板中心对角线向上的像素。
[0074]
步骤三：采用相关法进行匹配，将待匹配区域与归一化后的5个模板一一进行匹配，得到5个相应的匹配系数cov1(高斯中心完全落在模板的中心),cov2(高斯中心落在模板中心的右下),cov3(高斯中心落在模板中心的左上),cov4(高斯中心落在模板中心的右上),cov5(高斯中心落在模板中心的左下)；
[0075]
设模板为t，待匹配的图像区域为s,匹配就是将模板t覆盖在s上平移，模板匹配的相关系数如下所示,其中m＝5,n＝5：
[0076][0077]
其中，i＝1,2,3,4,5。
[0078]
步骤四：根据匹配系数判断当前区域是否为目标；
[0079]
(1)当前区域为目标；
[0080]
若5个匹配系数，只要满足其中一个大于当前设定的阈值covt，则认为当前待匹配区域与模板匹配，判定其为目标；
[0081]
若cov1>cov2且cov1>cov3且cov1>cov4且cov1>cov5，则表明当前目标的高斯中心完全落在模板的中心；
[0082]
若cov2>cov1且cov2>cov3且cov2>cov4且cov2>cov5，则表明高斯中心落在模板中心的右下；
[0083]
若cov3>cov1且cov3>cov2且cov3>cov4且cov3>cov5，则表明高斯中心落在模板中心的左上；
[0084]
若cov4>cov1且cov4>cov2且cov4>cov3且cov4>cov5，则表明高斯中心落在模板中心的右上；
[0085]
若cov5>cov1且cov5>cov2且cov5>cov3且cov5>cov4，则表明高斯中心落在模板中心的左下；
[0086]
(2)当前区域不为目标；
[0087]
若5个匹配系数都不满足上述条件，则当前区域不为目标，将其删除。
[0088]
下面将结合附图和实施例对本发明作进一步的详细说明。
[0089]
本发明提出一种基于高斯模板匹配的红外点目标识别方法，如图1所示，具体包括以下几个步骤：
[0090]
步骤一：离线利用已知数据进行高斯拟合，得到相应的高斯参数；
[0091]
选择5*5的标准模板，选取相应的图像序列，利用高斯拟合得到标准模板。
[0092]
二维高斯方程可写成如下形式：
[0093][0094]
其中，g为高斯中心的灰度，x0，y0为高斯模板中心，σ
x
和σ
y
分别为两个方向上的标准差，(x,y)为参与拟合的像素点的坐标，f(x，y)为对应(x，y)像素点的灰度，对方程两边取对数并乘以f整理得：
[0095][0096]
设参与拟合的像素点的个数为n，上述方程可以写成矩阵的形式：
[0097]
f＝bc
[0098][0099][0100]
利用最小二乘法可得：
[0101]
c＝(b
t
b)
‑1b
t
f
[0102]
可得到g，x0，y0，σ
x
，σ
y
五个参数的值即为高斯模板参数。
[0103]
步骤二：对拟合得到的高斯模板数字化和归一化；
[0104]
对高斯模板进行数字化和归一化，得到数字化和归一化后的5种不同的模板：
[0105]
(1)高斯中心完全落在5＊5模板的中心；
[0106]
(2)高斯中心落在模板中心右下四个像素，分别包括：模板中心像素、模板中心水平向右像素、模板中心垂直向下像素以及模板中心对角线向下的像素。
[0107]
(3)高斯中心落在模板中心左上四个像素，分别包括：模板中心像素、模板中心水平向左像素、模板中心垂直向上像素以及模板中心对角线向上的像素。
[0108]
(4)高斯中心落在模板中心右上四个像素，分别包括：模板中心像素、模板中心水
平向右像素、模板中心垂直向上像素以及模板中心对角线向上的像素。
[0109]
(5)高斯中心落在模板中心左下四个像素，分别包括：模板中心像素、模板中心水平向左像素、模板中心垂直向上像素以及模板中心对角线向上的像素。
[0110]
步骤三：采用相关法进行匹配，将待匹配区域与归一化后的5个模板一一进行匹配，得到5个相应的匹配系数cov1(高斯中心完全落在模板的中心),cov2(高斯中心落在模板中心的右下),cov3(高斯中心落在模板中心的左上),cov4(高斯中心落在模板中心的右上),cov5(高斯中心落在模板中心的左下)；
[0111]
设模板为t，待匹配的图像区域为s,匹配就是将模板t覆盖在s上平移，模板匹配的相关系数计算方法如下所示,其中m＝5,n＝5：
[0112][0113]
其中，i＝1,2,3,4,5。
[0114]
步骤四：根据匹配系数判断当前区域是否为目标；
[0115]
(1)当前区域为目标；
[0116]
若5个匹配系数，只要满足其中一个大于当前设定的阈值covt，则认为当前待匹配区域与模板匹配，判定其为目标；
[0117]
若cov1>cov2且cov1>cov3且cov1>cov4且cov1>cov5，则表明当前目标的高斯中心完全落在模板的中心；
[0118]
若cov2>cov1且cov2>cov3且cov2>cov4且cov2>cov5，则表明高斯中心落在模板中心的右下；
[0119]
若cov3>cov1且cov3>cov2且cov3>cov4且cov3>cov5，则表明高斯中心落在模板中心的左上；
[0120]
若cov4>cov1且cov4>cov2且cov4>cov3且cov4>cov5，则表明高斯中心落在模板中心的右上；
[0121]
若cov5>cov1且cov5>cov2且cov5>cov3且cov5>cov4，则表明高斯中心落在模板中心的左下；
[0122]
(2)当前区域不为目标；
[0123]
若5个匹配系数都不满足上述条件，则当前区域不为目标，将其删除。