CN115345845A - 基于方向梯度直方图的特征融合烟幕干扰效能评估及处理方法及电子设备 - Google Patents

Abstract

本发明提供一种基于方向梯度直方图的特征融合烟幕干扰效能评估方法及电子设备，包括步骤，采集烟幕干扰前目标区域的图像为参考图像，烟幕干扰后目标区域的图像为受干扰图像。分别计算参考图像和受干扰图像的方向梯度直方图特征。基于参考图像和受干扰图像的方向梯度直方图特征作里斯变换并求取其相似矩阵、求取余弦相似度矩阵、求取相关系数矩阵。将以上矩阵进行融合，得到烟幕干扰效能评估值。计算并设定跟踪漂移阈值，使用该阈值对融合后的特征作特征放大处理。本发明可以从图像跟踪关注的图像特征的角度来定量评估烟幕对光电成像侦察制导设备的干扰效能。

Description

基于方向梯度直方图的特征融合烟幕干扰效能评估及处理方 法及电子设备

技术领域

本发明涉及到烟幕干扰效能的定量评估方法，尤其是涉及到从目标捕获跟踪关注的图像特征的角度定量评估烟幕的干扰效能。

背景技术

光电侦察、制导设备主要是通过对光电探测器对目标区域进行成像，然后将图像传输至信息处理器，信息处理器基于先验知识或深度学习的方式利用目标的图像特征将目标从背景图像中识别出来进行捕获和跟踪。

烟幕干扰是现代战场对光电侦察、制导设备实施干扰的有效手段，具有施放方式简单、成本低廉等优点，被各国军方大量的装备和应用，但目前针对烟幕干扰光电侦察制导设备的效果评估手段不多，主要为功率准则、概率准则等定性评估，以及遮蔽面积、遮蔽时间等少部分定量评估方法，缺少从目标捕获跟踪关注的图像特征的角度定量评估方法。

发明内容

本发明所要解决的技术问题是：目前缺少从目标捕获跟踪关注的图像特征的角度定量评估烟幕干扰的方法。本发明提供一种基于方向梯度直方图的特征融合烟幕干扰效能评估方法及电子设备，从图像跟踪关注的图像特征的角度来定量评估烟幕对光电成像侦察制导设备的干扰效能。

为解决上述技术问题，本发明采用的技术方案为：

基于方向梯度直方图的特征融合烟幕干扰效能评估方法，其步骤是：

步骤1，采集烟幕干扰前目标区域的图像为参考图像R，采集烟幕干扰后目标区域的图像为受干扰图像D。

步骤2，分别计算参考图像和受干扰图像的方向梯度直方图特征Hog_R，Hog_D。

步骤3，基于参考图像和受干扰图像的方向梯度直方图特征作里斯变换，并求取其相似矩阵。

步骤4，基于参考图像和受干扰图像的方向梯度直方图特征求取余弦相似度矩阵。

步骤5，基于参考图像和受干扰图像的方向梯度直方图特征求取相关系数矩阵。

步骤6，将以上计算所得的里斯变换相似矩阵、余弦相似度矩阵和相关系数矩阵进行融合，得到烟幕干扰下图像质量评估值。

步骤7，计算并设定跟踪漂移阈值，使用该阈值对融合后的特征作特征放大处理。

步骤8，分析烟幕干扰下图像质量评估值和烟幕干扰效能评估值的关系，计算得到烟幕干扰效能评估值。

本发明还提供一种电子设备，其包括存储器，配置为存储可执行指令；处理器，配置为执行存储器中存储的可执行指令，以实现以上所述的基于方向梯度直方图的特征融合烟幕干扰效能评估及处理方法。

随着目标跟踪类算法的发展，基于相关滤波的目标跟踪方法在HOG特征的加持下，运算速度和运算精度都有大幅度提升。其中，由于HOG是在图像的局部方格单元上操作，所以它对图像几何的和光学的形变都能保持很好的不变性，且由于它分块处理的特性，得出的特征会更加紧凑。其次，HOG描述的是边缘结构特征，可以充分描述物体的结构信息。即，HOG特征对运动模糊、光照变换及颜色变换等很鲁棒，但对形变的鲁棒性较差。基于HOG特征使用里斯变换，引入MS理论获取图像特征梯度相似矩阵，可以加强图像边缘特征的检测。又由于余弦相似度具有对向量方向敏感而对数的绝对值大小不敏感的特性，可以增强对特征检测的鲁棒性，且在高维空间下依旧保持了良好的检测精度。相关系数则用以反映目标干扰前后HOG特征的相关关系密切程度，从特征灰度值的角度直接出体现出烟幕干扰前后目标特征的差别。

本发明通过方向梯度直方图特征求取的里斯变换相似矩阵、余弦相似度矩阵和相关系数矩阵的融合，能够更加关注目标的边缘和结构信息，同时能够对图像几何、光学形变都能保持良好的不变性和鲁棒性。

本发明在步骤7中计算并设定跟踪漂移阈值，使用该阈值对融合后的特征作特征放大处理，可以增大烟幕干扰严重部分的烟幕干扰评估值，更加突出烟幕的干扰效果。同时，放大后的烟幕干扰评估值有利于将客观评估值与主观评估值进行更好的结合，得出更加直观的，具有实际参考价值的定性评估结果。

因此，本发明可以实现从图像跟踪关注的图像特征的角度来定量评估烟幕对光电成像侦察制导设备的干扰效能，重点关注图像目标的结构和边缘信息，将HOG特征与里斯变换相似矩阵、余弦相似度矩阵和相关系数矩阵融合，使得评估结果能够同时对图像几何的、光学的形变都能保持良好的不变性，并且增强了评估结果对目标形变的鲁棒性，提高了评估准确性。

附图说明

图1是本发明所述的基于方向梯度直方图的特征融合烟幕干扰效能评估方法流程；

图2是参考图像和干扰图像提取的方向梯度直方图特征；

图3是里斯变换空间图；

图4是烟幕干扰对跟踪影响的临界状态图例。

具体实施方式

下面结合附图，详细描述本发明的具体实施方案。

如图1所示，本发明所述的基于方向梯度直方图的特征融合烟幕干扰效能评估方法，其步骤是：

步骤1，采集烟幕干扰前目标区域的图像为参考图像，采集烟幕干扰后目标区域的图像为受干扰图像；设参考图像为R，干扰图像为D。

步骤2，首先对图像R，D分别求方向梯度直方图特征得到Hog_R，Hog_D，如图2所示，图中，上一行为行为参考图像，下一行为干扰图像，每行从左到右依次为原图、图像归一化、方向梯度图、方向梯度直方图特征。

步骤3，将方向梯度直方图特征Hog_R，Hog_D作里斯变换得到[R,R₁,R₂]和[D,D₁,D₂]，利用局部特征的相似函数(局部振幅A、局部方向θ和局部相位ψ)，得到了MS相似矩阵S_M(R,D)。

图3显示了里斯变换空间在三维欧氏空间中的球坐标系，R、R1、R2是球坐标系中点在三个轴上的投影。在这个空间域内，局部振幅A、局部方向θ和局部相位ψ可表示为:

其中，

θ_R(x,y)∈[0,π)，ψ_R(x,y)∈[0,π)。

图像R和D在像素点(x,y)的MS相似度为：

其中C₁为很小的正数，防止分母为零或接近零造成的不稳定。

构造参数S_M作为MS相似矩阵:

S_M＝S_A·S_θ·S_ψ。

步骤4，将方向梯度直方图特征Hog_R，Hog_D分别转换为M×N大小的一维数组H_R,H_D，图像R和D的余弦相似度为：

步骤5，将方向梯度直方图特征Hog_R，Hog_D作自相关计算，得到相关系数矩阵：

其中，

M,N为矩阵的大小。

步骤6，将以上计算得到的MS相似矩阵、余弦相似度矩阵和相关系数矩阵进行加权融合得到烟幕干扰下的图像质量评估指数IQ_EEMSSJ，取值范围为[0,1]：

IQ_EEMSSJ＝S_M(R,D)^α*CosSim(R,D)^β*Corr(R,D)^τ

其中，α、β、τ是三种特征的融合权重值，设置α＝β＝τ＝1。

步骤7，选取目标跟踪漂移时的烟幕干扰状态下的受干扰图像，用以上计算步骤，计算烟幕干扰对跟踪影响的临界IQ_EEMSSJ阈值

如果受干扰图像计算得出的IQ_EEMSSJ值大于该阈值

表明该烟幕干扰状态下，红外导引头能够有效跟踪到目标，即烟幕干扰不对目标跟踪造成有效遮蔽影响，此时将IQ_EEMSSJ值放大得到EEMSSJ_aug，主动增强图像质量。

如果受干扰图像计算得出的IQ_EEMSSJ值小于该阈值

则表明该烟幕干扰状态下，红外导引头不能够有效跟踪到目标，即烟幕干扰对目标跟踪造成了有效遮蔽影响，则不对图像质量作主动增强。

图4显示了烟幕干扰对跟踪影响的临界状态图例，其中第1张图和第3张图时，跟踪算法能够稳定跟踪，第2张图和第4张图时，跟踪算法则会出现跟踪漂移。第2张图和第4张图分别是第1张图和第3张图在烟幕干扰过程中的下一帧的形态，从该图可以看出，烟幕恰好有效遮挡了目标，导致跟踪漂移。所以选取该帧图像作为临界状态图对IQ_EEMSSJ求取阈值

步骤8，评估烟幕干扰效能：

由于此时的EEMSSJ_aug指数是对图像质量的评估，而烟幕干扰效能值与图像质量相反，即图像质量越好则烟幕干扰效能越差，图像质量越差则烟幕干扰效能越好。所以将烟幕干扰效能评估用下式表示，取值范围为[0,1]：

EEMSSJ＝1-EEMSSJ_aug。

Claims (9)

1.基于方向梯度直方图的特征融合烟幕干扰效能评估及处理方法，其特征在于，包括：

步骤1，采集烟幕干扰前目标区域的图像为参考图像R，采集烟幕干扰后目标区域的图像为受干扰图像D；

步骤2，分别计算参考图像和受干扰图像的方向梯度直方图特征Hog_R，Hog_D；

步骤3，基于参考图像和受干扰图像的方向梯度直方图特征作里斯变换，并求取其相似矩阵；

步骤4，基于参考图像和受干扰图像的方向梯度直方图特征求取余弦相似度矩阵；

步骤5，基于参考图像和受干扰图像的方向梯度直方图特征求取相关系数矩阵；

步骤6，将以上计算所得的里斯变换相似矩阵、余弦相似度矩阵和相关系数矩阵进行融合，得到烟幕干扰效能评估值；

步骤7，计算并设定跟踪漂移阈值，使用所述跟踪漂移阈值对融合后的特征作特征放大处理。

2.根据权利要求1所述的基于方向梯度直方图的特征融合烟幕干扰效能评估及处理方法，其特征在于，所述步骤3包括：

将方向梯度直方图特征Hog_R，Hog_D作里斯变换得到[R,R₁,R₂]和[D,D₁,D₂]，利用局部特征的相似函数局部振幅A、局部方向θ和局部相位ψ，得到MS相似矩阵S_M(R,D)。

3.根据权利要求2所述的基于方向梯度直方图的特征融合烟幕干扰效能评估及处理方法，其特征在于，在空间域内，局部振幅A、局部方向θ和局部相位ψ可表示为:

其中，

θ_R(x,y)∈[0,π)，ψ_R(x,y)∈[0,π)。

图像R和D在像素点(x,y)的MS相似度为：

其中C₁为很小的正数；

构造参数S_M作为MS相似矩阵:

S_M＝S_A·S_θ·S_ψ。

4.根据权利要求2所述的基于方向梯度直方图的特征融合烟幕干扰效能评估及处理方法，其特征在于，所述步骤4包括：

将方向梯度直方图特征Hog_R、Hog_D分别转换为M×N大小的一维数组H_R,H_D，图像R和D的余弦相似度为：

5.根据权利要求2所述的基于方向梯度直方图的特征融合烟幕干扰效能评估及处理方法，其特征在于，所述步骤5包括：

将方向梯度直方图特征Hog_R，Hog_D作自相关计算，得到相关系数矩阵：

其中，

M,N为矩阵的大小。

6.根据权利要求2所述的基于方向梯度直方图的特征融合烟幕干扰效能评估及处理方法，其特征在于，所述步骤6包括：

将计算得到的MS相似矩阵、余弦相似度矩阵和相关系数矩阵进行加权融合得到烟幕干扰下的图像质量评估指数IQ_EEMSSJ，取值范围为[0,1]：

IQ_EEMSSJ＝S_M(R,D)^α*CosSim(R,D)^β*Corr(R,D)^τ

其中，α、β、τ是三种特征的融合权重值，设置α＝β＝τ＝1。

7.根据权利要求2所述的基于方向梯度直方图的特征融合烟幕干扰效能评估及处理方法，其特征在于，所述步骤7包括：

选取目标跟踪漂移时的烟幕干扰状态下的受干扰图像，用步骤1-步骤6的方法计算烟幕干扰对跟踪影响的临界IQ_EEMSSJ阈值

并对图像质量评估指数IQ_EEMSSJ做如下计算处理：

若受干扰图像计算得出的IQ_EEMSSJ值大于该阈值

将IQ_EEMSSJ值放大得到EEMSSJ_aug，主动增强图像质量；

若受干扰图像计算得出的IQ_EEMSSJ值小于该阈值

则不对图像质量作主动增强。

8.根据权利要求2所述的基于方向梯度直方图的特征融合烟幕干扰效能评估及处理方法，其特征在于，还包括步骤8，评估烟幕干扰效能：烟幕干扰效能评估用下式表示，取值范围为[0,1]：

EEMSSJ＝1-EEMSSJ_aug。

9.一种电子设备，其特征在于：包括存储器，配置为存储可执行指令；处理器，配置为执行存储器中存储的可执行指令，以实现根据权利要求1至8中任意一项所述的基于方向梯度直方图的特征融合烟幕干扰效能评估及处理方法。

Images