[发明专利]一种基于增量漂移聚类的复杂星空背景目标识别方法

权利要求书

1.一种基于增量漂移聚类的复杂星空背景目标识别方法，其特征在于，该方法包括如下步骤：

步骤(1)：连续对目标成像，得到目标星图序列I_n；

步骤(2)：自适应目标星点提取，将步骤(1)获取的图像序列进行自适应星点目标提取得到目标星点坐标集合{P_k＝(u_k,v_k)}，u_k、v_k为星点在图像坐标系下的像素坐标，自适应目标星点提取分为粗提取和精提取两步，首先对步骤(1)得到的星图进行横向投影即对累加每一行的像素值得到线段L_u，同时对星图进行纵向投影即对每一列进行像素值累加得到线段L_v，将得到的线段进行自适应阈值分割得到包含目标的多个线段的起始坐标和终止坐标从而完成对目标星点的粗提取得到目标星点所在区域坐标集合为粗提取目标星点区域的左上角坐标和右下角坐标，进一步对目标区域进行精确的星点目标提取，选择目标区域周围四个角落2×2大小区域作为图像背景进行精确的加权和质心提取，得到星点坐标集合{P_k＝(u_k,v_k)}；

步骤(3)：建立运动特征跟踪池，首先，对初始帧图像I₀中所有提取的目标分配跟踪链为目标跟踪链设定初始搜索区域SA_r和精确搜索区域SA_p，然后，在后续帧选择搜索区域并基于目标之间的相对距离和灰度特征进行相似性帧间关联，相似性计算公式如下式所示，

上式中为当前帧对应搜索范围内最相似的目标星点的相似度，为当前帧中搜索范围内目标星点坐标，为当前搜索范围内目标星点的灰度和，对应的和为上一帧目标星点的坐标和灰度和，根据相似度度量结果，结合相似性阈值Th_R更新跟踪目标星点信息；

最后，对关联后的目标建立运动特征描述，分别用相对于初始帧的运动距离运动方向和运动速度描述目标的运动特征，相关计算公式如下式所示，其中为当前帧目标星点质心坐标，为初始帧目标星点质心坐标，n为当前帧序号，T为帧间时间间隔，

其中，为当前目标星点相对于初始目标星点的运动距离、为当前目标星点相对于初始目标星点的运动方向、当前目标星点相对于初始目标星点的运动速度；

步骤(4)：目标增量漂移聚类分类识别，根据步骤(3)得到的目标运动特征对目标进行连续n帧的增量漂移聚类识别，首先将步骤(3)中得到的目标相对于初始帧之间的运动速度和运动方向构建数据点集X，对数据点集进行均值漂移聚类完成初始目标分类，具体包括：

根据选取数据点集X中任意一点定义为x₀相对于该点进行均值漂移向量的计算如下式所示：

S_r(x){y:(y-x_i)^T(y-x_i)＜r²}

其中上式中的M_r为均值漂移向量，K为以x₀为圆点，小于r半径圆内数据点个数，S_k为圆内数据点，通过x₀＝x₀+M_r更新圆心值实现在数据点集上进行漂移聚类，当移动距离

|M_r||小于阈值Th_m时停止漂移完成一个类别的聚类，x_i为迭代的漂移中心，y为相对于漂移中心x_i小于半径r的所有数据点，S_r(x)为满足集合中条件的所有数据点，然后选取未被聚类的数据点作为新的类进行迭代漂移聚类，直至完成所有数据点的分类；

其次，根据初始目标分类结果进行增量式时空漂移聚类识别目标，具体包括：

根据分类结果依据下式计算类别特征中心位置和类别特征半径其中为类别特征中心位置坐标，m为属于该类别的目标星点数量，为该类别中每个目标星点特征相对于类别特征中心的距离，类别特征半径为目标星点距离特征中心位置的最大距离，

其中，为特征半径内第n帧数据的所有的运动方向特征点，为类别i的特征中心X坐标，为特征半径内第n帧数据的所有的运动速度特征点，为类别i的特征中心Y坐标；

同时增量加入当前帧目标星点特征数据，根据下式计算目标特征坐标与上帧中每一个初始类别特征的相似度如果目标星点特征与该类别特征中心的相似度小于阈值特征半径则将该目标归类到相应的类别，否则建立新的类别

其中，为第n+1帧中运动方向特征点，为第n+1帧中运动速度特征点；

依据上述方法将当前帧中目标星点进行分类，并通过时空漂移更新计算新的类别特征中心，新类别的建立根据上述初始目标分类采用均值漂移聚类方法进行迭代初始化建立新的类别

其中，为n+1帧的特征类别，为n+1帧特征类别的特征中心X坐标，为n+1帧特征类别的特征中心Y坐标，m为第n帧特征类别中包含的数据数量；

同时对分类结果进行目标识别，根据类别包含目标星点的数量判定目标的种类，其中包含目标数量超过阈值Th_N的则认为是恒星目标，否则为其他目标。