知識(shí)約束的公路車(chē)輛目標(biāo)圖像氣動(dòng)光學(xué)效應(yīng)校正方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種知識(shí)約束的公路車(chē)輛紅外圖像氣動(dòng)光學(xué)效應(yīng)校正方法，該方法先建立車(chē)輛模板和多尺度公路模板，再使用多尺度公路模板提取高超聲速條件下實(shí)時(shí)模糊圖像中的公路區(qū)域；利用HU矩約束的最大似然估計(jì)算法校正氣動(dòng)光學(xué)效應(yīng)圖像中的公路區(qū)域，得到公路區(qū)域校正圖像；使用車(chē)輛模板在公路區(qū)域校正圖像中匹配車(chē)輛區(qū)域位置，得到所要提取的車(chē)輛區(qū)域；利用HU矩約束的最大似然估計(jì)算法校正車(chē)輛區(qū)域，得到車(chē)輛區(qū)域校正圖像。本發(fā)明是由粗到細(xì)遞推的處理，達(dá)到可感興趣區(qū)準(zhǔn)確校正，可大幅提高校正算法效率和精度，滿足高超聲速飛行器光學(xué)成像探測(cè)技術(shù)發(fā)展的需求。本發(fā)明可大幅提高校正算法效率，適應(yīng)高超飛行器導(dǎo)航、制導(dǎo)和遙感的需要。
【專(zhuān)利說(shuō)明】知識(shí)約束的公路車(chē)輛目標(biāo)圖像氣動(dòng)光學(xué)效應(yīng)校正方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于航天技術(shù)與圖像處理相結(jié)合的交叉科學(xué)【技術(shù)領(lǐng)域】，具體涉及一種知識(shí)約束的公路車(chē)輛目標(biāo)圖像氣動(dòng)光學(xué)效應(yīng)圖像校正方法。
【背景技術(shù)】
[0002]高超音速飛行器遙感、探測(cè)、導(dǎo)航和制導(dǎo)是二十一世紀(jì)航空航天事業(yè)發(fā)展的一個(gè)重要領(lǐng)域，在未來(lái)的高科技和國(guó)民經(jīng)濟(jì)發(fā)展中具有重要的科學(xué)意義和應(yīng)用價(jià)值。以高超音速飛行器為平臺(tái)的遙感、探測(cè)、導(dǎo)航和制導(dǎo)面臨氣動(dòng)光學(xué)效應(yīng)的挑戰(zhàn)。
[0003]氣動(dòng)光學(xué)是研究高速繞流對(duì)高速飛行器成像探測(cè)的影響的一門(mén)學(xué)科。帶有光學(xué)成像探測(cè)系統(tǒng)的高速飛行器在大氣層內(nèi)飛行時(shí)，光學(xué)頭罩與來(lái)流之間形成復(fù)雜的流場(chǎng)，對(duì)光學(xué)成像探測(cè)系統(tǒng)造成除熱輻射外的光學(xué)波前傳輸畸變或傳輸干擾，引起被觀測(cè)對(duì)象圖像的偏移、抖動(dòng)、模糊，這種效應(yīng)就稱(chēng)為氣動(dòng)光學(xué)傳輸效應(yīng)。這種效應(yīng)降低了成像探測(cè)系統(tǒng)的效能，導(dǎo)致遙感、探測(cè)、導(dǎo)航和制導(dǎo)功能的喪失。因此需要發(fā)明新的數(shù)字處理技術(shù)，改善和恢復(fù)成像的品質(zhì)，這就是圖像恢復(fù)和校正。
[0004]飛行器的高超聲速飛行以及成像系統(tǒng)的高幀頻特性，對(duì)于校正和識(shí)別算法的運(yùn)算效率和性能提出了更高的要求。盲反卷積算法多是針對(duì)全圖進(jìn)行處理，不僅對(duì)于非目標(biāo)區(qū)域的校正浪費(fèi)了很多時(shí)間，影響算法的實(shí)時(shí)性，而且非目標(biāo)區(qū)間特性(如平滑性等)會(huì)最終影響到目標(biāo)區(qū)域校正。而知識(shí)約束的圖像校正方法用圖像中提取的知識(shí)約束來(lái)指導(dǎo)圖像校正，對(duì)于目標(biāo)區(qū)域(公路、車(chē)輛)精校正，而對(duì)于非目標(biāo)區(qū)域粗校正，由粗到細(xì)遞推的處理，達(dá)到可疑目標(biāo)區(qū)域(感興趣區(qū))實(shí)時(shí)、準(zhǔn)確校正，可大幅提高校正算法效率和精度。

【發(fā)明內(nèi)容】

[0005]本發(fā)明提出了一種知識(shí)約束的公路車(chē)輛紅外圖像氣動(dòng)光學(xué)效應(yīng)校正方法，通過(guò)在公路車(chē)輛目標(biāo)光學(xué)圖像中獲取感興趣區(qū)域(公路、車(chē)輛)的空間關(guān)系，以此空間關(guān)系作為知識(shí)約束在氣動(dòng)光學(xué)效應(yīng)圖像中提取公路區(qū)域，氣動(dòng)光學(xué)效應(yīng)校正算法對(duì)公路區(qū)域精校正，對(duì)非公路區(qū)域粗校正，粗精結(jié)合的處理方法可大幅提高校正算法效率，適應(yīng)高超飛行器導(dǎo)航、制導(dǎo)和遙感的需要。
[0006]本發(fā)明提供的一種知識(shí)約束的公路車(chē)輛紅外圖像氣動(dòng)光學(xué)效應(yīng)校正方法，該方法基于知識(shí)約束即車(chē)輛-公路空間約束關(guān)系實(shí)現(xiàn)，該約束關(guān)系用集合表示為:F C= i? C= J，其中，集合V表示車(chē)輛，集合V中的元素Vi表示第i類(lèi)車(chē)輛，集合R表示公路，集合I表示圖像；該方法的具體實(shí)現(xiàn)過(guò)程為:
[0007](A)建立車(chē)輛模板和多尺度公路模板:
[0008]多尺度公路模板C:公路模板C為全I(xiàn)矩陣，其尺寸為SXT，S表示公路寬度，T表示公路長(zhǎng)度，且S < T ;對(duì)于遠(yuǎn)距離的公路目標(biāo)，選用小尺度模板，I ≤ 3, 3S ;對(duì)于近距離拍攝公路車(chē)輛目標(biāo)時(shí)，選用大尺度模板，5 < S < 9，T≤3S ;
[0009]建立車(chē)輛模板B:車(chē)輛模板B為全I(xiàn)矩陣，其尺寸為SvX Tv，Sv表示車(chē)輛寬度，Tv表示車(chē)輛長(zhǎng)度，且Sv < Tv ;
[0010](B)高超條件下的實(shí)時(shí)圖像校正:
[0011](BI)使用多尺度公路模板提取高超聲速條件下實(shí)時(shí)模糊圖像I中的公路區(qū)域g(x，y)； [0012](B2)利用HU矩約束的最大似然估計(jì)算法校正氣動(dòng)光學(xué)效應(yīng)圖像I中的公路區(qū)域g(x，y)，得到公路區(qū)域校正圖像/?+1(υ);
[0013](B3)使用車(chē)輛模板B在公路區(qū)域校正圖像^1(Xj)中匹配車(chē)輛區(qū)域位置，得到在公路區(qū)域內(nèi)最大相關(guān)系數(shù)所對(duì)應(yīng)的位置為所要提取的車(chē)輛區(qū)域gv(X，y)；
[0014](B4)利用HU矩約束的最大似然估計(jì)算法校正公路區(qū)域校正圖像/?+1(χ，>0中的車(chē)
輛區(qū)域gv(X，y)，得到車(chē)輛區(qū)域校正圖像/；；+10，>0。
[0015]當(dāng)所探測(cè)的目標(biāo)為空中/地面小目標(biāo)時(shí)，實(shí)際目標(biāo)在圖像中所占的幅面比例非常小，盲反卷積算法多是針對(duì)全圖進(jìn)行處理，不僅對(duì)于非目標(biāo)區(qū)域的校正浪費(fèi)了很多時(shí)間，影響算法的實(shí)時(shí)性，而且非目標(biāo)區(qū)間特性(如平滑性等)會(huì)影響目標(biāo)區(qū)域校正。本發(fā)明的特點(diǎn)是由粗到細(xì)遞推的處理，達(dá)到可感興趣區(qū)(公路、車(chē)輛)準(zhǔn)確校正，可大幅提高校正算法效率和精度，滿足高超聲速飛行器光學(xué)成像探測(cè)技術(shù)發(fā)展的需求。
【專(zhuān)利附圖】

【附圖說(shuō)明】
[0016]圖1為地面知識(shí)準(zhǔn)備與知識(shí)約束的校正算法處理流程圖；
[0017]圖2為飛行高度2.5km的公路目標(biāo)圖像；
[0018]圖3為飛行高度1.8km的公路車(chē)輛目標(biāo)圖像(圖2中白色虛線框內(nèi)區(qū)域)；
[0019]圖4為飛行高度3km公路車(chē)輛目標(biāo)氣動(dòng)光學(xué)效應(yīng)退化圖像；
[0020]圖5為飛行高度2.5km公路車(chē)輛目標(biāo)氣動(dòng)光學(xué)效應(yīng)退化圖像；
[0021]圖6為用模板匹配提取圖5中的公路區(qū)域(白色實(shí)線框)以及車(chē)輛區(qū)域(白色虛線框)；
[0022]圖7為校正算法對(duì)圖6中的公路區(qū)域校正后的圖像；
[0023]圖8為校正算法對(duì)圖7中的車(chē)輛區(qū)域校正后的圖像。
【具體實(shí)施方式】
[0024]下面結(jié)合附圖對(duì)本發(fā)明的【具體實(shí)施方式】作進(jìn)一步說(shuō)明。在此需要說(shuō)明的是，對(duì)于這些實(shí)施方式的說(shuō)明用于幫助理解本發(fā)明，但并不構(gòu)成對(duì)本發(fā)明的限定。此外，下面所描述的本發(fā)明各個(gè)實(shí)施方式中所涉及到的技術(shù)特征只要彼此之間未構(gòu)成沖突就可以相互組合。
[0025]本發(fā)明建立了公路車(chē)輛目標(biāo)光學(xué)圖像的知識(shí)約束，提出了一種知識(shí)約束的公路車(chē)輛紅外圖像氣動(dòng)光學(xué)效應(yīng)校正方法，包括車(chē)輛-公路空間關(guān)系的建立、地面知識(shí)準(zhǔn)備以及實(shí)時(shí)圖像的氣動(dòng)光學(xué)效應(yīng)校正三個(gè)過(guò)程。
[0026]下面分別說(shuō)明三個(gè)過(guò)程所包括的具體步驟:
[0027](I)車(chē)輛-公路空間約束關(guān)系的建立
[0028]利用圖像中的車(chē)輛-公路空間約束關(guān)系，提取圖像中的公路、車(chē)輛區(qū)域；校正算法對(duì)于公路、車(chē)輛區(qū)域進(jìn)行精確校正，而對(duì)于非公路區(qū)域(背景區(qū)域)進(jìn)行粗校正，這種粗精結(jié)合的處理方法可滿足高超飛行器遙感、探測(cè)、導(dǎo)航和制導(dǎo)的需要。
[0029]知識(shí)約束即車(chē)輛-公路空間約束關(guān)系可用集合表示為:
[0030]V (zRcI
[0031 ] 上式中集合V表示車(chē)輛，集合V中的元素Vi表示第i類(lèi)車(chē)輛；集合R表示公路；集合I表示圖像。
[0032](2)地面知識(shí)準(zhǔn)備
[0033]地面知識(shí)準(zhǔn)備階段主要是建立公路和車(chē)輛模板。該階段主要包括以下過(guò)程:
[0034](2.1)多尺度公路模板的建立
[0035]建立多尺度公路模板C。公路模板C為全I(xiàn)矩陣，其尺寸為SX T，S表示公路寬度，T表示公路長(zhǎng)度，且S < T ;對(duì)于遠(yuǎn)距離(飛行高度大于3km)的公路目標(biāo)，選用小尺度模板，I < S < 3，T≤3S ;對(duì)于近距離(飛行高度小于3km)拍攝公路車(chē)輛目標(biāo)時(shí)，選用大尺度模板，5≤S≤9，T≤3S。
[0036](2.2)車(chē)輛模板的建立
[0037]建立車(chē)輛模板B。車(chē)輛模板B為全I(xiàn)矩陣，其尺寸為SvX Tv，Sv表示車(chē)輛寬度，Tv表示車(chē)輛長(zhǎng)度，且Sv < Τν，由于車(chē)輛目標(biāo)為小目標(biāo)，故Sv=3，Tv=9。
[0038](3)高超條件下的實(shí)時(shí)圖像校正
[0039]在高超聲速條件下，實(shí)時(shí)圖像受到氣動(dòng)光學(xué)傳輸效應(yīng)的嚴(yán)重影響，利用所建立的知識(shí)約束，指導(dǎo)高超條件下的實(shí)時(shí)模糊圖像校正，具體步驟如下:
[0040](3.1)多尺度公路模板匹配
[0041]使用多尺度公路模板提取高超聲速條件下實(shí)時(shí)模糊圖像I中的公路區(qū)域；實(shí)時(shí)模糊圖像I的尺寸為MrX隊(duì)，它包括公路區(qū)域和背景區(qū)域(如建筑、農(nóng)田和湖泊等)。
[0042]根據(jù)實(shí)時(shí)模糊圖像I的飛行高度，選取不同尺度的公路模板，使用步驟(2.1)所建立的SXT公路模板C在圖像I中匹配公路區(qū)域位置；在MrXNr模糊圖像I中每一個(gè)點(diǎn)Ρ^.(?=1,2...ΜT, j=l,2-Nr)，以點(diǎn)Pij為中心、SXT的圖像子塊T區(qū)域內(nèi)計(jì)算Pij點(diǎn)的相關(guān)系數(shù)，計(jì)算公式如下；
【權(quán)利要求】
1.一種知識(shí)約束的公路車(chē)輛紅外圖像氣動(dòng)光學(xué)效應(yīng)校正方法，該方法基于知識(shí)約束即車(chē)輛-公路空間約束關(guān)系實(shí)現(xiàn)，該約束關(guān)系用集合表示為其中，集合V表示車(chē)輛，集合V中的元素Vi表示第i類(lèi)車(chē)輛，集合R表示公路，集合I表示圖像；該方法的具體實(shí)現(xiàn)過(guò)程為: (A)建立車(chē)輛模板和多尺度公路模板: 多尺度公路模板C:公路模板C為全I(xiàn)矩陣，其尺寸為SXT，S表示公路寬度，T表示公路長(zhǎng)度，且S < T ;對(duì)于遠(yuǎn)距離的公路目標(biāo)，選用小尺度模板，I ^ 3, 3S ;對(duì)于近距離拍攝公路車(chē)輛目標(biāo)時(shí)，選用大尺度模板，5 < S < 9，T≥3S ; 建立車(chē)輛模板B:車(chē)輛模板B為全I(xiàn)矩陣，其尺寸為SvX Tv，Sv表示車(chē)輛寬度，Tv表示車(chē)輛長(zhǎng)度，且Sv < Tv; (B)聞超條件下的實(shí)時(shí)圖像校正: (BI)使用多尺度公路模板提取高超聲速條件下實(shí)時(shí)模糊圖像I中的公路區(qū)域g(x，y)； (B2)利用HU矩約束的最大似然估計(jì)算法校正氣動(dòng)光學(xué)效應(yīng)圖像I中的公路區(qū)域g(x，y),得到公路區(qū)域校正圖像/?+1(χ,:Κ); (Β3)使用車(chē)輛模板B在公路區(qū)域校正圖像/?+1(x，JO中匹配車(chē)輛區(qū)域位置，得到在公路區(qū)域內(nèi)最大相關(guān)系數(shù)所對(duì)應(yīng)的位置為所要提取的車(chē)輛區(qū)域gv(x，y)； (B4)利用HU矩約束的最大似然估計(jì)算法校正公路區(qū)域校正圖像/?+1(χ,ν)中的車(chē)輛區(qū)域gv(x，y)，得到車(chē)輛區(qū)域校正圖像/:+1(χ，χ)。
2.根據(jù)權(quán)利要求1所述的知識(shí)約束的公路車(chē)輛紅外圖像氣動(dòng)光學(xué)效應(yīng)校正方法，其特征在于，步驟(Bi)的具體實(shí)現(xiàn)過(guò)程為: 實(shí)時(shí)模糊圖像I的尺寸為MrXNr，根據(jù)實(shí)時(shí)模糊圖像I的飛行高度，選取不同尺度的公路模板，使用SXT公路模板C在圖像I中匹配公路區(qū)域位置；在模糊圖像I中每一個(gè)點(diǎn)Pu，i=l，2…凡，j=l，2...隊(duì)，以點(diǎn)Pij為中心、SXT的圖像子塊I'區(qū)域內(nèi)計(jì)算Pij點(diǎn)的相關(guān)系數(shù)，計(jì)算公式如下；
3.根據(jù)權(quán)利要求1所述的知識(shí)約束的公路車(chē)輛紅外圖像氣動(dòng)光學(xué)效應(yīng)校正方法，其特征在于，步驟(B2)的具體實(shí)現(xiàn)過(guò)程為: 第η次迭代后的校正圖像/?+1(x，_y)為:
4.根據(jù)權(quán)利要求1、2或3所述的知識(shí)約束的公路車(chē)輛紅外圖像氣動(dòng)光學(xué)效應(yīng)校正方法，其特征在于，步驟(B3)的具體實(shí)現(xiàn)過(guò)程為: 在MvXNv的公路區(qū)域尤+1(x，>0中每一個(gè)點(diǎn)4,纟= l，2...Mv，_/ = l，2..JVv,以點(diǎn)4為中心、SvXTv的圖像子塊^+1(x，>0區(qū)域內(nèi)計(jì)算P, g的相關(guān)系數(shù)，計(jì)算公式如下；
【文檔編號(hào)】G06T7/60GK103761730SQ201310753635
【公開(kāi)日】2014年4月30日 申請(qǐng)日期:2013年12月31日 優(yōu)先權(quán)日:2013年12月31日
【發(fā)明者】張?zhí)煨? 劉立, 何力, 王正, 周鋼, 戴小兵, 姚守悝, 凡速飛 申請(qǐng)人:華中科技大學(xué)