[发明专利]知识约束的公路车辆目标图像气动光学效应校正方法

说明书

技术领域

本发明属于航天技术与图像处理相结合的交叉科学技术领域，具体涉及一种知识约束的公路车辆目标图像气动光学效应图像校正方法。

背景技术

高超音速飞行器遥感、探测、导航和制导是二十一世纪航空航天事业发展的一个重要领域，在未来的高科技和国民经济发展中具有重要的科学意义和应用价值。以高超音速飞行器为平台的遥感、探测、导航和制导面临气动光学效应的挑战。

气动光学是研究高速绕流对高速飞行器成像探测的影响的一门学科。带有光学成像探测系统的高速飞行器在大气层内飞行时，光学头罩与来流之间形成复杂的流场，对光学成像探测系统造成除热辐射外的光学波前传输畸变或传输干扰，引起被观测对象图像的偏移、抖动、模糊，这种效应就称为气动光学传输效应。这种效应降低了成像探测系统的效能，导致遥感、探测、导航和制导功能的丧失。因此需要发明新的数字处理技术，改善和恢复成像的品质，这就是图像恢复和校正。

飞行器的高超声速飞行以及成像系统的高帧频特性，对于校正和识别算法的运算效率和性能提出了更高的要求。盲反卷积算法多是针对全图进行处理，不仅对于非目标区域的校正浪费了很多时间，影响算法的实时性，而且非目标区间特性(如平滑性等)会最终影响到目标区域校正。而知识约束的图像校正方法用图像中提取的知识约束来指导图像校正，对于目标区域(公路、车辆)精校正，而对于非目标区域粗校正，由粗到细递推的处理，达到可疑目标区域(感兴趣区)实时、准确校正，可大幅提高校正算法效率和精度。

发明内容

本发明提出了一种知识约束的公路车辆红外图像气动光学效应校正方法，通过在公路车辆目标光学图像中获取感兴趣区域(公路、车辆)的空间关系，以此空间关系作为知识约束在气动光学效应图像中提取公路区域，气动光学效应校正算法对公路区域精校正，对非公路区域粗校正，粗精结合的处理方法可大幅提高校正算法效率，适应高超飞行器导航、制导和遥感的需要。

本发明提供的一种知识约束的公路车辆红外图像气动光学效应校正方法，该方法基于知识约束即车辆-公路空间约束关系实现，该约束关系用集合表示为：其中，集合V表示车辆，集合V中的元素V_i表示第i类车辆，集合R表示公路，集合I表示图像；该方法的具体实现过程为：

(A)建立车辆模板和多尺度公路模板：

多尺度公路模板C：公路模板C为全1矩阵，其尺寸为S×T，S表示公路宽度，T表示公路长度，且S＜T；对于远距离的公路目标，选用小尺度模板，1≤S≤3，T≥3S；对于近距离拍摄公路车辆目标时，选用大尺度模板，5≤S≤9，T≥3S；

建立车辆模板B：车辆模板B为全1矩阵，其尺寸为S_v×T_v，S_v表示车辆宽度，T_v表示车辆长度，且S_v＜T_v；

(B)高超条件下的实时图像校正：

(B1)使用多尺度公路模板提取高超声速条件下实时模糊图像I中的公路区域g(x，y)；

(B2)利用HU矩约束的最大似然估计算法校正气动光学效应图像I中的公路区域g(x，y)，得到公路区域校正图像

(B3)使用车辆模板B在公路区域校正图像中匹配车辆区域位置，得到在公路区域内最大相关系数所对应的位置为所要提取的车辆区域g_v(x，y)；

(B4)利用HU矩约束的最大似然估计算法校正公路区域校正图像中的车辆区域g_v(x，y)，得到车辆区域校正图像

当所探测的目标为空中/地面小目标时，实际目标在图像中所占的幅面比例非常小，盲反卷积算法多是针对全图进行处理，不仅对于非目标区域的校正浪费了很多时间，影响算法的实时性，而且非目标区间特性(如平滑性等)会影响目标区域校正。本发明的特点是由粗到细递推的处理，达到可感兴趣区(公路、车辆)准确校正，可大幅提高校正算法效率和精度，满足高超声速飞行器光学成像探测技术发展的需求。

附图说明

图1为地面知识准备与知识约束的校正算法处理流程图；

图2为飞行高度2.5km的公路目标图像；

图3为飞行高度1.8km的公路车辆目标图像(图2中白色虚线框内区域)；

图4为飞行高度3km公路车辆目标气动光学效应退化图像；

图5为飞行高度2.5km公路车辆目标气动光学效应退化图像；

图6为用模板匹配提取图5中的公路区域(白色实线框)以及车辆区域(白色虚线框)；