目標(biāo)區(qū)域局部特征和局部圖像質(zhì)量相結(jié)合的激光干擾效果評(píng)估
發(fā)布時(shí)間:2021-12-11 05:07
為客觀描述光電成像系統(tǒng)激光干擾效果,提出目標(biāo)區(qū)域局部特征和圖像質(zhì)量相結(jié)合的干擾效果評(píng)估算法。圖像的局部特征用特征點(diǎn)描述,圖像質(zhì)量用結(jié)構(gòu)相似度指數(shù)描述。該算法利用特征點(diǎn)匹配算法確定場(chǎng)景圖像中的目標(biāo)區(qū)域,計(jì)算干擾前后目標(biāo)區(qū)域內(nèi)特征點(diǎn)數(shù)量的變化、干擾后目標(biāo)區(qū)域內(nèi)未飽和面積所占的比重以及目標(biāo)區(qū)域內(nèi)圖像的結(jié)構(gòu)相似度指數(shù),并將上述各參數(shù)相乘得到最終的評(píng)價(jià)指標(biāo)。利用該方法對(duì)典型激光干擾圖像進(jìn)行評(píng)估,結(jié)果表明:在不同入射功率和不同光斑位置情況下,所提評(píng)估指標(biāo)比單獨(dú)使用結(jié)構(gòu)相似度的評(píng)估指標(biāo)具有更大的取值范圍和更明顯的非線性變化特征。這說(shuō)明:該指標(biāo)能夠反映光電成像系統(tǒng)激光干擾過(guò)程的豐富細(xì)節(jié),更加適合激光干擾效果的評(píng)估。
【文章來(lái)源】:國(guó)防科技大學(xué)學(xué)報(bào). 2020,42(01)北大核心EICSCD
【文章頁(yè)數(shù)】:7 頁(yè)
【部分圖文】:
不同功率密度激光對(duì)SURF算法識(shí)別目標(biāo)的影響
為了使研究對(duì)象更接近戰(zhàn)場(chǎng)實(shí)際環(huán)境,選取荷蘭TNO研究所發(fā)布的The search-2圖像數(shù)據(jù)庫(kù)。該數(shù)據(jù)庫(kù)包括44幅含有9種實(shí)際軍事目標(biāo)的高分辨自然場(chǎng)景數(shù)字圖像[12]。該數(shù)據(jù)庫(kù)的主要目的是評(píng)估和驗(yàn)證各種數(shù)字圖像的尺度(digital metrics)和人眼在復(fù)雜場(chǎng)景下搜索目標(biāo)的模型有效性。但是,鑒于其貼近實(shí)際戰(zhàn)場(chǎng)環(huán)境的復(fù)雜場(chǎng)景以及各種真實(shí)軍事目標(biāo)在場(chǎng)景中的隱蔽狀態(tài),仍將其用作激光干擾效果評(píng)估的背景圖像。圖1(a)給出了數(shù)據(jù)庫(kù)中的第9幅圖像,其中一輛M60坦克隱蔽在復(fù)雜的叢林中。利用SURF算法對(duì)該圖像中的目標(biāo)進(jìn)行特征點(diǎn)匹配時(shí),首先選中場(chǎng)景圖像中包含目標(biāo)的矩形區(qū)域作為目標(biāo)模板,如圖1(b)所示。目標(biāo)區(qū)域是指,以實(shí)際目標(biāo)(即圖中坦克)的中心為中心的矩形,其內(nèi)部包含的像素?cái)?shù)是實(shí)際目標(biāo)所含像素?cái)?shù)的2倍。然后,運(yùn)用SURF算法分別對(duì)場(chǎng)景圖像和目標(biāo)模板進(jìn)行特征點(diǎn)檢測(cè),分別如圖1(c)和圖1(d)所示。其中圓圈的直徑表示不同提取尺度,圓圈的圓心為特征點(diǎn)位置。不難看出,坦克目標(biāo)的特征點(diǎn)主要集中在坦克上半部,是區(qū)別于周圍環(huán)境最顯著的那些像素點(diǎn)。進(jìn)一步,將兩幅圖片中的特征點(diǎn)進(jìn)行匹配,就能夠在場(chǎng)景圖像中的識(shí)別目標(biāo),如圖1(e)和圖1(f)所示。圖1 基于SURF特征點(diǎn)匹配的目標(biāo)識(shí)別
基于SURF特征點(diǎn)匹配的目標(biāo)識(shí)別
【參考文獻(xiàn)】:
期刊論文
[1]基于圖像特征相關(guān)度的激光干擾衛(wèi)星效果評(píng)估[J]. 張陽(yáng),劉湘?zhèn)?郝成民. 激光與紅外. 2017(03)
[2]圖像熵在光譜成像干擾效果評(píng)估中的應(yīng)用研究[J]. 高衛(wèi),孫鵬,孫奕帆,黨東妮. 光學(xué)與光電技術(shù). 2016(01)
[3]結(jié)合光斑與目標(biāo)特征的激光干擾效果評(píng)估[J]. 錢方,孫濤,石寧寧,郭勁,王挺峰. 光學(xué)精密工程. 2014(07)
[4]基于特征點(diǎn)分布特性的激光干擾效果評(píng)估算法[J]. 錢方,孫濤,郭勁,王挺峰. 中國(guó)激光. 2014(05)
[5]基于小波加權(quán)的激光干擾效果評(píng)估[J]. 錢方,郭勁,孫濤,王挺峰. 液晶與顯示. 2013(05)
[6]對(duì)光電成像系統(tǒng)干擾效果的評(píng)估方法[J]. 高衛(wèi). 光電工程. 2006(02)
碩士論文
[1]紅外成像系統(tǒng)激光干擾的圖像仿真與效果評(píng)估[D]. 高巍巍.西安電子科技大學(xué) 2010
本文編號(hào):3534064
【文章來(lái)源】:國(guó)防科技大學(xué)學(xué)報(bào). 2020,42(01)北大核心EICSCD
【文章頁(yè)數(shù)】:7 頁(yè)
【部分圖文】:
不同功率密度激光對(duì)SURF算法識(shí)別目標(biāo)的影響
為了使研究對(duì)象更接近戰(zhàn)場(chǎng)實(shí)際環(huán)境,選取荷蘭TNO研究所發(fā)布的The search-2圖像數(shù)據(jù)庫(kù)。該數(shù)據(jù)庫(kù)包括44幅含有9種實(shí)際軍事目標(biāo)的高分辨自然場(chǎng)景數(shù)字圖像[12]。該數(shù)據(jù)庫(kù)的主要目的是評(píng)估和驗(yàn)證各種數(shù)字圖像的尺度(digital metrics)和人眼在復(fù)雜場(chǎng)景下搜索目標(biāo)的模型有效性。但是,鑒于其貼近實(shí)際戰(zhàn)場(chǎng)環(huán)境的復(fù)雜場(chǎng)景以及各種真實(shí)軍事目標(biāo)在場(chǎng)景中的隱蔽狀態(tài),仍將其用作激光干擾效果評(píng)估的背景圖像。圖1(a)給出了數(shù)據(jù)庫(kù)中的第9幅圖像,其中一輛M60坦克隱蔽在復(fù)雜的叢林中。利用SURF算法對(duì)該圖像中的目標(biāo)進(jìn)行特征點(diǎn)匹配時(shí),首先選中場(chǎng)景圖像中包含目標(biāo)的矩形區(qū)域作為目標(biāo)模板,如圖1(b)所示。目標(biāo)區(qū)域是指,以實(shí)際目標(biāo)(即圖中坦克)的中心為中心的矩形,其內(nèi)部包含的像素?cái)?shù)是實(shí)際目標(biāo)所含像素?cái)?shù)的2倍。然后,運(yùn)用SURF算法分別對(duì)場(chǎng)景圖像和目標(biāo)模板進(jìn)行特征點(diǎn)檢測(cè),分別如圖1(c)和圖1(d)所示。其中圓圈的直徑表示不同提取尺度,圓圈的圓心為特征點(diǎn)位置。不難看出,坦克目標(biāo)的特征點(diǎn)主要集中在坦克上半部,是區(qū)別于周圍環(huán)境最顯著的那些像素點(diǎn)。進(jìn)一步,將兩幅圖片中的特征點(diǎn)進(jìn)行匹配,就能夠在場(chǎng)景圖像中的識(shí)別目標(biāo),如圖1(e)和圖1(f)所示。圖1 基于SURF特征點(diǎn)匹配的目標(biāo)識(shí)別
基于SURF特征點(diǎn)匹配的目標(biāo)識(shí)別
【參考文獻(xiàn)】:
期刊論文
[1]基于圖像特征相關(guān)度的激光干擾衛(wèi)星效果評(píng)估[J]. 張陽(yáng),劉湘?zhèn)?郝成民. 激光與紅外. 2017(03)
[2]圖像熵在光譜成像干擾效果評(píng)估中的應(yīng)用研究[J]. 高衛(wèi),孫鵬,孫奕帆,黨東妮. 光學(xué)與光電技術(shù). 2016(01)
[3]結(jié)合光斑與目標(biāo)特征的激光干擾效果評(píng)估[J]. 錢方,孫濤,石寧寧,郭勁,王挺峰. 光學(xué)精密工程. 2014(07)
[4]基于特征點(diǎn)分布特性的激光干擾效果評(píng)估算法[J]. 錢方,孫濤,郭勁,王挺峰. 中國(guó)激光. 2014(05)
[5]基于小波加權(quán)的激光干擾效果評(píng)估[J]. 錢方,郭勁,孫濤,王挺峰. 液晶與顯示. 2013(05)
[6]對(duì)光電成像系統(tǒng)干擾效果的評(píng)估方法[J]. 高衛(wèi). 光電工程. 2006(02)
碩士論文
[1]紅外成像系統(tǒng)激光干擾的圖像仿真與效果評(píng)估[D]. 高巍巍.西安電子科技大學(xué) 2010
本文編號(hào):3534064
本文鏈接:http://sikaile.net/kejilunwen/dianzigongchenglunwen/3534064.html
最近更新
教材專著