[发明专利]一种基于物理模型约束的红外成像虚警源分类方法

权利要求书

1.一种基于物理模型约束的红外成像虚警源分类方法，其特征在于，包括如下步骤：

步骤1：分析红外虚警源特点，并建立虚警源数据的图像样本集；

步骤2：对图像样本集进行正演模拟得到的虚警源仿真数据，提取虚警源仿真数据的物理特性参数表征特征，得到物理特征向量μ₁；

步骤3：对图像样本集中的红外虚警源图像采用自适应多向旋转结构算子提取虚警源的几何特征，得到几何特征向量μ₂；

步骤4：对图像样本集中的红外虚警源图像采用局部纹理谱特征描述子提取虚警源的纹理特征，得到纹理特征向量μ₃；

步骤5：采用步骤2-步骤3对训练集数据进行提取特征，将得到的物理特征向量μ₁、几何特征向量μ₂、纹理特征向量μ₃进行特征融合，得到融合后的特征向量，并将融合后得到的特征向量输入到分类器中进行训练,最终实现虚警源分类；

所述步骤3包括如下步骤：

步骤3.1：根据步骤1中获得的图像样本集中的红外虚警源图像f(x,y)构造多尺度全方位算子,采用滤波窗口大小为(2N+1)*(2N+1)，当N＝1、2时，得到以下两组全方位结构算子其中的下标3是2N+1，N＝1时计算得到，的下标5是2N+1，N＝2时计算得到：

步骤3.2：根据步骤3.1中构造的两组全方位结构算子，现以3*3结构算子为中心，与四个5*5结构算子自由组合,从而可得到16个多向旋转结构算子；

以θ＝0°的3*3结构算子为中心，得到以下四个多向旋转结构算子：

以θ＝45°的3*3结构算子为中心，得到以下四个多向旋转结构算子：

以θ＝90°的3*3结构算子为中心，得到以下四个多向旋转结构算子：

以θ＝135°的3*3结构算子为中心，得到以下四个多向旋转结构算子：

步骤3.3：作为多向旋转结构算子相比于全方位结构算子更好的刻画窗口内的所有走向线条，输入图像样本集中的红外虚警源图像为f(x,y),为多向旋转结构算子，A为基础结构算子经过下式形态学操作后得到y₁(x,y)、y₂(x,y):

符号是利用基础结构算子对输入图像进行形态学膨胀操作，符号“Θ”是利用基础结构算子对输入图像进行形态学腐蚀操作，符号表示利用多向旋转结构算子对图像进行形态学开启操作，符号“·”表示利用多向旋转结构算子对图像进行形态学闭合操作；

y₁(x,y)为输入红外虚警源图像利用多向旋转结构算子进行开操作及膨胀操作之后得到的结果图像，y₂(x,y)为输入红外虚警源图像利用多向旋转结构算子进行闭操作及腐蚀操作之后的得到的结果图像；

y_j(x,y)是某一方向θ，θ＝0°、45°、90°、135°，上的四个多向旋转结构算子C_ji通过计算得到的y₁(x,y)与y₂(x,y)做差之后求和得到的检测结果；

ω_j(x,y)为某一方向上的多向旋转结构算子权系数，ω_j(x,y)受条件约束，多向旋转结构算子权系数通过自适应过程根据约束条件下的最小平方误差准则实现；y(x,y)为虚警源的边缘检测结果，通过对四个方向上的检测结果求和获得；

步骤3.4：利用步骤3.3中所述的多向旋转结构算子对输入图像进行处理，得到虚警源的边缘检测结果y(x,y)，对虚警源检测结果进行边缘生长，并以栅格数据及矢量数据的形式来提取红外虚警源的几何特征，包括面积s、周长l、形态指数q，并将其串联得到虚警源的三维几何特征向量μ₂；

μ₂＝[s,l,q]；

所述步骤4包括如下步骤：

步骤4.1：根据步骤1中获得的图像样本集中的红外虚警源图像f(x,y),采用3*3的滑动窗口对红外虚警源图像f(x,y)进行全局遍历，根据在每一个滑动窗口中提取其0°、45°、90°、135°方向辐射强度值，在规定的一方向上的三个像素分别是p₁,p,p₂；

步骤4.2：根据步骤4.1得到某一方向上的三个像素点p₁,p,p₂，通过计算可得到中心像素点p在这固定的一方向上的辐射强度变换模式值计算公式如下所示：

阈值Th取全局图像灰度的平均值，Th用来区分辐射强度值不同却具有相同纹理变化的模式，通过对全局图像进行滑窗遍历，并计算每一像素点的辐射强度变换模式值最终可得到四个局部纹理空间特征矩阵M^0°、M^45°、M^90°、M^135°；

步骤4.3：根据步骤4.2得到的四个局部纹理空间特征矩阵，计算局部纹理空间特征矩阵相应的统计量，包括熵r、逆差矩v、能量m、对比度n、相关系数h，计算统计量的均值E_j和方差D_j(j∈(1,2,3,4,5))；

E₁＝(r₀+r₁+r₂+r₃)/4

E₂＝(v₀+v₁+v₂+v₃)/4

E₃＝(m₀+m₁+m₂+m₃)/4

E₄＝(n₀+n₁+n₂+n₃)/4

E₅＝(h₀+h₁+h₂+h₃)/4

μ₃₁＝[E₁,D₁,E₂,D₂,E₃,D₃,E₄,D₄,E₅,D₅]

上式中的E₁,D₁,E₂,D₂,E₃,D₃,E₄,D₄,E₅,D₅分别为五种统计量的均值及方差，通过串联得到10维局部纹理空间特征向量μ₃₁；

步骤4.4：设输入的红外虚警源图像f(x,y),将输入图像划分为10*10的块区域g(x,y)，采用3*3的滑动窗口对块区域进行遍历，在每一个滑动窗口中，中心像素辐射强度值为k，该纹理单元内还包括8个邻域像素，计算中心像素点k在四个方向(0°,45°,90°,135°)上的局部纹理模式值，计算公式如下所示：

LTMV＝s(k_0°)×2⁰+s(k_45°)×2¹+s(k_90°)×2²+s(k_135°)×2³

p_θ为方向θ上的三个像素辐射强度值，分别为k₁,k,k₁₂，阈值Th为全局图像灰度的平均值，s(p_θ)为方向θ上的局部纹理模式值，LTMV为该滑动窗口中心像素的局部纹理模式值；

步骤4.5：根据步骤4.4计算得到块区域中所有像素点的局部纹理模式值，对每个块区域中的局部纹理模式值进行直方图统计，得到块区域的直方图H_i(i∈(1,2,3,...,100))，利用这10*10个统计直方图连接形成局部纹理统计特征向量μ₃₂；

μ₃₂＝[H₁,H₂,H₃,...,H₁₀₀]

步骤4.6：将局部纹理空间特征向量μ₃₁及局部纹理统计特征向量μ₃₁₂结合组成纹理特征向量μ₃来描述；

μ₃＝[μ₃₁,μ₃₂]。