[发明专利]一种无人机遥感图像特定目标自动搜索方法

说明书

本发明提供一种无人机遥感图像特定目标自动搜索方法，首先分别对目标图像和场景图像进行尺度空间编码，形成图像的多尺度表征；然后基于目标图像和场景图像的尺度空间编码，计算目标图像与场景图像的尺度配准比例，实现尺度配准；最后基于目标图像与场景图像的尺度配准和尺度空间编码，计算目标相似度，并最终确定目标，减少了目标搜索的计算量，提高了效率和准确率，解决了在无人机遥感图像特定目标自动搜索过程中，由于大尺度和角度的变化带来的目标丢失和效率低下的问题。

技术领域

本发明属于遥感图像处理领域，具体涉及一种无人机遥感图像特定目标自动搜索方法。

背景技术

随着无人机技术的普及，越来越多的任务采用无人机采集信息，图像信息也是无人机采集的最多的信息之一。然而，在图像的采集过程中，无人机不同于其他飞行器，其飞行高度、速度、角度没有固定的任务标准。造成采集的图像中的目标可能会有较大的尺度和角度变化。这种情况为目标的自动搜索带来了巨大的挑战，因此，采用无人机遥感图像执行特定目标的自动搜索任务是目前亟待解决的问题。

特定目标的搜索是指以固定目标的图像为样本，在无人机采集的遥感图像中自动检测和识别到需要的特定目标。目前，在无人机目标搜索过程中，有两个主要的因素制约目前的产业化应用：第一是效率，第二是准确率，部分成果研究在机载平台上实现目标的实时检测，如专利号CN 201610294924.6，但是其对目标的大尺度和角度变化的考虑有所欠缺。部分成果研究采用深度神经网络实现对地特定目标识别，如CN 201711422364.9，但是其难以在机载平台上实时使用。根据理论和市场调研结果，目前还没有可以直接应用于无人机机载平台上且能够达到工业级应用效果的自动搜索方法。

发明内容

本发明的目的是提供一种无人机遥感图像特定目标自动搜索方法，以解决在无人机遥感图像特定目标自动搜索过程中，由于大尺度和角度的变化带来的目标丢失和效率低下的问题。

为了达到上述目的，本发明所采用的技术方案是：一种无人机遥感图像特定目标自动搜索方法，包括以下步骤：

S1、分别对目标图像和场景图像进行尺度空间编码，形成图像的多尺度表征；

S2、基于目标图像和场景图像的尺度空间编码，计算目标图像与场景图像的尺度配准比例，实现尺度配准；

S3、基于目标图像与场景图像的尺度配准和尺度空间编码，计算目标相似度，并最终确定目标。

进一步的，所述的步骤S1具体包括以下步骤：

S11、分别对目标图像和场景图像划分若干个尺度，然后对每个尺度分别提取SIFT特征；

S12、定义目标图像的特征集合为：其中，表示对应尺度x下的SIFT特征集合，H代表特征点个数，128是特征的维数，D表示目标图像特征在N₁个尺度下的特征集合；

定义场景图像的特征集合为：其中表示对应尺度x下的SIFT特征集合，K代表特征点个数，128是特征的维数，C表示目标图像的特征在N₂个尺度下的特征集合；

S13、采用特征包框架对特征进行直方图编码，定义码书总计包含M个码字，则该码书可以表示为目标图像和场景图像的每个特征h_u均对应有一个其最接近的码字b_m，定义单位向量则有B·e_u＝b_m；

S14、将指定尺度下的所有的特征离散化为直方图：

其中，P代表在当前尺度下特征点的个数，表示在当前尺度下把h_u映射到对应的码字，W代表码字的权重；

则目标图像的尺度空间编码为

场景图像的尺度空间编码为