[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

摘要

本发明公开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，该方法先建立车辆模板和多尺度公路模板，再使用多尺度公路模板提取高超声速条件下实时模糊图像中的公路区域；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中的公路区域，得到公路区域校正图像；使用车辆模板在公路区域校正图像中匹配车辆区域位置，得到所要提取的车辆区域；利用HU矩约束的最大似然估计算法校正车辆区域，得到车辆区域校正图像。本发明是由粗到细递推的处理，达到可感兴趣区准确校正，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。本发明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。

主权项

1.一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