[发明专利]一种适用于空间非合作目标的多特征图像分割定位方法

摘要

本发明公开了一种适用于空间非合作目标的多特征图像分割定位技术，弥补了现有算法在运行效率、适应范围和鲁棒性上的不足。该技术首先采用SLIC算法对图像进行分割得到尺寸相似的超像素，然后分别计算不同超像素的主次方向比特征、方差特征和面积周长特征，通过级联不同的特征权重，形成对超像素的最终评价，评价值高于阈值的超像素作为目标定位的候选区域。最后，对滤波后的模糊图像重复执行上述步骤得到另一组候选区域，两组候选区域的重叠部分作为目标的预测区域，进而实现对未知目标的快速检测、定位。

主权项

一种适用于空间非合作目标的多特征图像分割定位方法，其特征在于，包括以下步骤：1)选取包含非合作目标的图像作为待处理图像，应用SLIC算法将图像分割为尺寸以及内部元素特征相似的超像素，超像素互不重合，且有唯一的标记信息i，其中i＝0,1,2,…N‑1，N表示超像素的总数目；2)选取i＝0所对应的超像素区域xi，计算区域的主次方向比，作为当前区域的方向特征fi1；3)计算超像素区域xi的方差，作为当前区域的方差特征fi2，即：fi2=1ni-1Σj=1ni(xij-1niΣj=1nixij)2]]>其中，xij表示xi转化为灰度图像后第j个像素对应的灰度值；4)计算超像素区域xi的面积与周长的比值fi3作为当前区域的第三个特征，则：fi3＝ni/pi其中，pi表示区域xi的边界中所包含的像素个数；5)依次遍历其余超像素，并计算每一个超像素所对应的特征fi1,fi2,fi3；级联上述三个特征，形成对超像素xi的最终评价fi＝c1fi1+c2fi2+c3fi3，其中c1,c2,c3表示每个特征对最终评价值的权重；采用二维高斯分布生成满足上述要求的权重分布，即：f^i=wi·fi]]>其中，wi表示第i个超像素对应的权重；对所有特征进行归一化，得到：f^i=wi·(c1fi1max{fj1}+c2fi2max{fj2}+c3fi3max{fj3}),j=0,1,...,N-1]]>6)将每个超像素的最终评价指标按照从高到低的顺序进行排序，评价指标高于阈值T的超像素作为图像定位的候选区域，其中λ表示一常数，g(·)表示取均值函数；7)将原图像进行滤波操作，得到细节模糊后的图像，重复步骤1)至步骤6)，得到的候选区域与之前的候选区域求交集，完成对图像的定位。