[发明专利]一种基于多特征约束的动态伪装效果评估方法

权利要求书

1.一种基于多特征约束的动态伪装效果评估方法，其特征在于，包括：

获取伪装目标数据集；所述伪装目标数据集包括n帧伪装目标图像；

根据所述伪装目标数据集得到潜在目标区域集、真实目标区域集和背景区域集；

基于所述潜在目标区域集和所述真实目标区域集得到交并比数据集；

基于所述潜在目标区域集得到融合度数据集；

基于所述背景区域集得到背景差异数据集；

基于所述交并比数据集、所述融合度数据集和所述背景差异数据集得到伪装目标的伪装效果评估值。

2.根据权利要求1所述的基于多特征约束的动态伪装效果评估方法，其特征在于，所述获取伪装目标数据集，包括：

基于设定手段对目标进行伪装得到伪装目标；

基于机载探测设备对所述伪装目标在设定范围内进行跟踪拍摄，得到初始数据集；

基于图像金字塔对所述初始数据集进行分层缩小或放大处理，得到分层数据集；

在所述分层数据集中选取设定分辨率大小的伪装目标图像得到所述伪装目标数据集。

3.根据权利要求1所述的基于多特征约束的动态伪装效果评估方法，其特征在于，所述根据所述伪装目标数据集得到潜在目标区域集、真实目标区域集和背景区域集，包括：

基于动目标检测法得到每一帧所述伪装目标图像对应的潜在目标区域和背景区域，从而得到所述潜在目标区域集和所述背景区域集；

获取每一帧所述伪装目标图像对应的真实目标区域，得到所述真实目标区域集。

4.根据权利要求3所述的基于多特征约束的动态伪装效果评估方法，其特征在于，所述基于所述潜在目标区域集得到融合度数据集，包括：

基于第i帧所述伪装目标图像的潜在目标区域得到m个邻近背景区域；m为大于1的正整数；i∈n；

基于权重分配法确定各所述邻近背景区域的权重；

基于各所述邻近背景区域对应的权重通过计算得到各所述邻近背景区域对应的目标融合度；

基于等差分配原则对各所述目标融合度进行线性加权并通过计算得到第i帧所述伪装目标图像的综合融合度；

令i取不同的值并重复上述过程，得到所述融合度数据集。

5.根据权利要求3所述的基于多特征约束的动态伪装效果评估方法，其特征在于，所述基于所述背景区域集得到背景差异数据集，包括：

确定所述背景区域集的图像特征差异；

基于所述图像特征差异对所述背景区域集进行分类，得到k个分类背景数据集；

基于所述背景区域集通过计算得到每个所述分类背景数据集的权重；

基于各所述分类背景数据集的权重得到所述背景差异数据集。

6.根据权利要求2所述的基于多特征约束的动态伪装效果评估方法，其特征在于，所述图像金字塔为高斯金字塔和拉普拉斯金字塔中任意一者。

7.根据权利要求3所述的基于多特征约束的动态伪装效果评估方法，其特征在于，所述动目标检测法为单应性变换法、帧差法、背景相减法和光流法中任意一者或多者的结合。

8.根据权利要求4所述的基于多特征约束的动态伪装效果评估方法，其特征在于，所述权重分配法为熵权法、模糊法和层次分析法中任意一者。

9.根据权利要求4所述的基于多特征约束的动态伪装效果评估方法，其特征在于，所述基于所述潜在目标区域集和所述真实目标区域集得到交并比数据集，包括：

对第i帧所述伪装目标图像的所述潜在目标区域和所述真实目标区域进行交并比计算，得到交并比值；计算公式如下：

式中：为第i帧伪装目标图像的潜在目标区域，为第i帧伪装目标图像的真实目标区域，Area(·)为面积值，为第i帧伪装目标图像的交并比值；

令i取不同的值并重复执行此过程，得到所述交并比数据集。

10.根据权利要求5所述的基于多特征约束的动态伪装效果评估方法，其特征在于，所述基于所述交并比数据集、所述融合度数据集和所述背景差异数据集得到伪装目标的伪装效果评估值，具体计算公式如下：

式中：ρ为评估值，w_h为第h个分类背景数据集的权重，N_h为第h个分类背景数据集的图像帧数，Sim^bh为第h个分类背景数据集中第b个伪装目标图像的综合融合度，为第h个分类背景数据集中第b个伪装目标图像的交并比值，C₁为综合融合度系数，C₂为交并比值系数。