CN102175226B

CN102175226B - 基于显著性特征的目标识别方法

Info

Publication number: CN102175226B
Application number: CN 201010623832
Authority: CN
Inventors: 刘鲁; 郭绍刚; 赵春晖; 龚德铸; 高进; 高文文; 王艳宝; 王京海; 张丽华; 魏高乐
Original assignee: Beijing Institute of Control Engineering
Current assignee: Beijing Institute of Control Engineering
Priority date: 2010-12-31
Filing date: 2010-12-31
Publication date: 2013-03-13
Anticipated expiration: 2030-12-31
Also published as: CN102175226A

Abstract

基于显著性特征的目标识别方法是应用于合作目标光学成像敏感器，在有复杂杂光背景下根据合作目标的特征将其有效、快速地识别出来的方法。本方法根据合作目标的布局具备典型的几何形状，以及整个交会对接过程中合作目标与光学成像敏感器之间的相对位置姿态变化范围，计算得到合作目标成像后的几何形状特征以及几何特征变化范围。将几何特征归纳为线段长度、直线斜率、直线夹角、直线间平行关系、直线间长度的比例关系等便于工程化实现的方式，同时根据合作目标的一致性进行分组匹配减少识别计算的运算量。本方法充分考虑了目标故障的情况，能够在2个目标同时发生故障的情况下完成识别。

Description

基于显著性特征的目标识别方法

技术领域

本发明涉及一种CCD光学成像敏感器对目标进行识别的方法。

背景技术

CCD光学成像敏感器是追踪器与目标飞行器交会对接的近距离光学测量设备，由CCD像机和目标标志器组成。CCD像机安装在追踪器上，目标标志器安装在目标飞行器上。通过CCD像机对目标标志器成像和测量，可以得到光学敏感器坐标系相对于目标标志器坐标系的相对位置和相对姿态角。

CCD光学成像敏感器在轨工作时，由于太阳光和地球反照光的影响以及其他噪声影响，目标图像非常复杂。目前常用的基于特征的目标识别方法有基于模版匹配的方法，该方法是按照预先设定的目标模板在图像中进行特征匹配，从而找到图像中最符合模板特征的区域，该方法计算量大，不适合在嵌入式系统中运行，同时对故障模式的匹配成功率比较低。基于不变特征的识别，也是一种基于合作目标的图像识别方法，主要是利用目标共线的不变特征进行目标识别，该方法要求合作目标采用共面、共线布局，不利于工程实现，且该布局对姿态解算精度影响较大，同时由于利用的条件单一造成对匹配成功率比较低。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提供了一种基于显著性特征的目标识别方法，可以在复杂背景图像中有效识别合作目标，满足高数据更新率的要求。

本发明的技术解决方案是：基于显著性特征的目标识别方法，步骤如下：

(1)将CCD光学成像敏感器所获取图像上的目标按照像素个数分成N组，每一组目标所包含的像素个数为R，R满足条件N≤R≤N+T，其中N和N+T分别为最小像素个数和最大像素个数，N＝0，1，2......，T为正整数；

(2)对于第N组目标，如果该组目标点所包含的光点个数大于已成功匹配的光点个数，则进行下一步，否则将N的值加一后再次执行本步骤；

(3)设定水平直角边的长度最大值l_max和长度最小值l_min，以及水平直角边所在的直线和水平线的角度最大值θ_max和角度最小值θ_min，将该组目标所包含的像素点之间分别进行连线形成线段，将长度l_ab满足l_min＜l_ab＜l_max且所在直线与水平线之间的夹角θ_ab满足θ_min＜θ_ab＜θ_max的线段作为待选水平直角边，其中

(X_a，Y_a)和(X_b，Y_b)分别为每条线段所连接的两个像素点的平面直角坐标；

(4)对于步骤(3)得到的每一条待选水平直角边，寻找第三个像素点构建待选直角三角形，所述第三个像素点的坐标(X_c，Y_c)和已知的两个像素点的坐标(X_a，Y_a)、(X_b，Y_b)满足k_0min×l_ab＜l_ac＜k_0max×l_ab且θ_ab+θ_0min＜θ_ac＜θ_ab+θ_0max，其中k_0min、k_0max和θ_0min、θ_0max为根据敏感器测量范围确定的常数，寻找时针对待选水平直角边的两个端点分别进行，任意一个端点搜索成功后进入下一步；

(5)对于步骤(4)得到的每一个待选直角三角形，寻找第四个像素点构建待选矩形，根据步骤(4)中找到的非水平直角边的长度l₁和非水平直角边与水平直角边的夹角θ₁，以水平直角边的非直角点为端点，找到满足k_1min×l₁＜l₂＜k_1max×l₁且θ₁+θ_1min＜θ₂＜θ₁+θ_1max的像素点作为第四个像素点，其中k_1min、k_1max和θ_1min、θ_1max为根据敏感器测量范围确定的常数，l₂和θ₂分别为第四个像素点与水平直角边非直角点之间连线的长度以及该连线与水平直角边的夹角；如果待选矩形搜索失败，则以待选直角三角形的三个点确定的行列范围限定的区域作为待选矩形；

(6)在待选矩形内寻找满足如下关系式的像素点(X_i，Y_i)，

\frac{X_{a} + X_{b} - | X_{a} - X_{b} |}{2} < X_{i} < \frac{X_{a} + X_{b} + | X_{a} - X_{b} |}{2}

且

\frac{Y_{a} + Y_{b} - | Y_{a} - Y_{b} |}{2} < Y_{i} < \frac{Y_{a} + Y_{b} + | Y_{a} - Y_{b} |}{2},

将所有的(X_i，Y_i)两两相连构成线段并计算连线的长度l₃以及连线与矩形水平方向的边所成的角度θ₃，找到满足条件k_2min×l_ab＜l₃＜k_2max×l_ab且θ_ab-θ_2min＜θ₃＜θ_ab+θ_2max的连线，其中k_2min、k_2max和θ_2min、θ_2max为根据敏感器测量范围确定的常数；如果能够找到满足条件的连线，则将连线所连接的两个像素点作为中间光点，如果没有找到满足条件的连线，则依次选取待选矩形内的每一个点作为中间光点；

(7)将中间光点和待选矩形的四个端点组合起来进行姿态计算，如果姿态计算结果在测量范围内，则说明光点匹配成功，转步骤(2)；

(8)重复步骤(2)～(7)，直至对所有分组的像素点完成匹配。

本发明与现有技术相比的优点在于：本发明方法针对目标图像进行阈值分割后目标点过多的情况下，对所有备选目标按照尺寸进行分组，在组内按照点连线的长度和斜率、直线夹角、直线间平行关系、直线间长度的比例关系等特征进行快速识别，找出其中满足特征的目标点组合，提高了对复杂背景下图像的目标识别能力，降低了计算量，保证了数据更新率，能够在高数据更新率的要求下在嵌入式系统中使用。另外，本发明方法充分考虑了目标故障的情况，能够在2个目标同时发生故障的情况下完成识别，提高了整个产品的可靠性和适应范围。大量杂光试验证明，采用本发明方法，CCD成像敏感器均能有效地提取目标，并满足了系统的高数据更新率的要求，对高鲁棒性、高刷新率、高精度CCD成像敏感器的研制具有重要工程使用价值。

附图说明

图1为本发明方法的流程框图。

具体实施方式

如图1所示，为本发明方法的原理框图，主要步骤如下：

(1)将CCD光学成像敏感器所获取图像上的目标按照像素个数进行分成N组，每一组目标所包含的最小像素个数和最大像素个数分别为N和N+T，其中N＝0，1，2……，T＝2(可根据N值进行调整，为正整数)。合作目标之间具有一致性的特点，所以只需要在像素个数接近的目标像点中进行匹配，可减小计算量并有效提高匹配成功率；由于合作目标为立体布局，所以各目标点距敏感器的距离不同，在近距离的情况下所引起的目标点之间的尺寸差异比较大，所以T值在N值较大时需要做相应的调整。

(2)对于第N组目标，如果该组目标点所包含的光点个数大于已成功匹配光点个数(如已匹配成功5个光点，当前组有5个光点则不进行匹配)，则进行下一步，否则将N的值加一后再次执行本步骤。

(X_a，Y_a)和(X_b，Y_b)分别为每条线段所连接的两个像素点的平面直角坐标。在整个敏感器的工作范围内，目标和敏感器之间保持一定的位置姿态关系，由此可以得到目标像点连线的长度和斜率变化范围。长度范围和角度范围的确定是在理论计算的极值的基础上适当地进行了放宽。

(4)对于步骤(3)得到的每一条待选水平直角边，寻找第三个像素点构建待选直角三角形，所述第三个像素点的坐标(X_c，Y_c)和已知的两个像素点的坐标(X_a，Y_a)、(X_b，Y_b)满足k_0min×l_ab＜l_ac＜k_0max×l_ab且θ_ab+θ_0min＜θ_ac＜θ_ab+θ_0max，其中k_0min、k_0max和θ_0min、θ_0max为根据敏感器测量范围确定的常数，如果以a为端点搜索成功进行步骤(5)，搜索失败换成b为端点搜索。根据合作目标的布局设计，点之间的连线有一定的比例和夹角关系，所以成像后的比例和夹角也在一定范围内变化。比例范围和角度范围的确定是在理论计算的极值的基础上适当地进行了放宽。

(5)对于步骤(4)得到的每一个待选直角三角形，寻找第四个像素点构建待选矩形，根据步骤(4)中找到的非水平直角边的长度l₁和非水平直角边与水平直角边的夹角θ₁，以水平直角边的非直角点为端点，找到满足k_1min×l₁＜l₂＜k_1max×l₁且θ₁+θ_1min＜θ₂＜θ₁+θ_1max的像素点作为第四个像素点，其中k_1min、k_1max和θ_1min、θ_1max为根据敏感器测量范围确定的常数，l₂和θ₂分别为第四个像素点与水平直角边非直角点之间连线的长度以及该连线与水平直角边的夹角。其中长度比例和平行度的确定与(3)和(4)类似。

(6)如果步骤(5)搜索矩形失败，则以直角三角形的3个点确定的行列范围作为矩形的边界。直角三角形所确定的上下左右边界与矩形确定的边界基本一致，经计算使用三角形确定的边界不影响以下的计算。

(7)在待选矩形内寻找满足如下关系式的像素点(X_i，Y_i)，

\frac{X_{a} + X_{b} - | X_{a} - X_{b} |}{2} < X_{i} < \frac{X_{a} + X_{b} + | X_{a} - X_{b} |}{2}

且

\frac{Y_{a} + Y_{b} - | Y_{a} - Y_{b} |}{2} < Y_{i} < \frac{Y_{a} + Y_{b} + | Y_{a} - Y_{b} |}{2},

将所有的(X_i，Y_i)两两相连构成线段并计算连线的长度l₃以及连线与矩形水平方向的边所成的角度θ₃，找到满足条件k_2min×l_ab＜l₃＜k_2max×l_ab且`θ_ab-θ_2min＜θ₃＜θ_ab+θ_2max的连线，其中k_2min、k_2max和θ_2min、θ_2max为根据敏感器测量范围确定的常数。如果没有满足条件的中间点，则依次选取矩形内的每一个点与已找到的外围光点组合进行姿态计算。如果计算结果在测量范围内，则说明找到了中间的光点。如果中间光点完整则采用与步骤(4)、(5)类似的方法，长度比例和平行度判据的确定也与步骤(4)、(5)类似。如果中间2点中有故障点，则采用试配的方式利用姿态计算对中间点位置敏感的特性，如果解算出的位置姿态在测量范围内则认为识别成功。

如果匹配到预定的光点数则退出匹配，否则N+1继续执行步骤(2)。不断地重复上述匹配过程，直至对所有分组的像素点完成匹配。

本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。

Claims

1.基于显著性特征的目标识别方法，其特征在于步骤如下：

(1)将CCD光学成像敏感器所获取图像上的目标按照像素个数分成N组，设第N组目标所包含的像素个数为R_N，R_N满足条件N≤R_N≤N+T，其中N和N+T分别为最小像素个数和最大像素个数，N＝1，2......，T为正整数；

(4)对于步骤(3)得到的每一条待选水平直角边，寻找第三个像素点构建待选直角三角形，所述第三个像素点的坐标(X_c，Y_c)和已知的两个像素点的坐标(X_a，Y_a)、(X_b，Y_b)满足k_0 min×l_ab＜l_ac＜k_0 max×l_ab且θ_ab+θ_0min＜θ_ac＜θ_ab+θ_0max，其中k_0 min、k_0 max和θ_0 min、θ_0 max为根据敏感器测量范围确定的常数，寻找时针对待选水平直角边的两个端点分别进行，任意一个端点搜索成功后进入下一步；

(6)在待选矩形内寻找满足如下关系式的像素点(X_i，Y_i)，

且

(8)重复步骤(2)～(7)，直至对所有分组的像素点完成匹配。