趙 莉,張克旺

(信陽(yáng)農(nóng)林學(xué)院 信息工程學(xué)院,河南 信陽(yáng) 464000)

航空武器主要包括機(jī)載武器與作戰(zhàn)飛機(jī)這兩種類型。其中,機(jī)載武器主要包括魚雷、航空水雷、空空導(dǎo)彈、航空火箭彈、航空炸彈、自動(dòng)航空武器等;作戰(zhàn)飛機(jī)主要包括偵察機(jī)、預(yù)警機(jī)、通信指揮飛機(jī)、空中指揮機(jī)、反潛巡邏機(jī)、無(wú)人攻擊機(jī)、轟炸戰(zhàn)斗機(jī)等。航空武器凝結(jié)了工業(yè)制造技術(shù)與高新科學(xué)技術(shù)的結(jié)晶,代表著各國(guó)的工業(yè)與科技發(fā)展水平[1]。其發(fā)展是衡量各個(gè)國(guó)家科研水平、軍事實(shí)力以及國(guó)防實(shí)力的重要標(biāo)志,同時(shí)也是國(guó)家領(lǐng)空、領(lǐng)土安全的重要保證。在第二次世界大戰(zhàn)后,為獲取制空權(quán)與經(jīng)濟(jì)利益,很多國(guó)家開(kāi)始積極對(duì)空軍力量進(jìn)行擴(kuò)充,并大力對(duì)航空武器進(jìn)行研發(fā)[2]。例如:利用航空武器進(jìn)行作戰(zhàn)時(shí),需對(duì)航空武器進(jìn)行目標(biāo)跟蹤;在識(shí)別實(shí)裝戰(zhàn)技圖像過(guò)程中,實(shí)裝戰(zhàn)技圖像的典型特征相似度檢測(cè)則是識(shí)別跟蹤的關(guān)鍵。

對(duì)于實(shí)裝戰(zhàn)技圖像典型特征相似度檢測(cè)問(wèn)題,各個(gè)國(guó)家都非常重視,很多學(xué)者都對(duì)其進(jìn)行了深入研究,并取得了多樣化的研究成果。國(guó)外很早就有學(xué)者提出一種基于微分算子的實(shí)裝戰(zhàn)技圖像典型特征相似度檢測(cè)方法[3],主要利用微分算子實(shí)現(xiàn)實(shí)裝戰(zhàn)技圖像的典型特征相似度檢測(cè)。國(guó)內(nèi)對(duì)于實(shí)裝戰(zhàn)技圖像典型特征相似度檢測(cè)問(wèn)題的研究則相對(duì)起步較晚,有學(xué)者提出一種基于高斯核濾波的實(shí)裝戰(zhàn)技圖像典型特征相似度檢測(cè)方法[4],主要通過(guò)高斯核濾波實(shí)現(xiàn)實(shí)裝戰(zhàn)技圖像的典型特征相似度檢測(cè)。以上方法具有一定有效性,但在檢測(cè)耗時(shí)及準(zhǔn)確度方面仍有提升空間。因此,本文在對(duì)實(shí)裝戰(zhàn)技圖像典型特征相似度檢測(cè)問(wèn)題進(jìn)行研究的過(guò)程中,引入傅里葉描述子,提出一種基于傅里葉描述子的實(shí)裝戰(zhàn)技圖像典型特征相似度檢測(cè)方法。通過(guò)復(fù)合加權(quán)算法提取實(shí)裝戰(zhàn)技圖像的典型特征,利用傅里葉描述子進(jìn)行初步歸一化處理,根據(jù)傅里葉描述子尺度變換、平移、旋轉(zhuǎn)不變性的特征,獲取實(shí)裝戰(zhàn)技圖像典型特征的全部相似區(qū)域節(jié)點(diǎn),實(shí)現(xiàn)實(shí)裝戰(zhàn)技圖像典型特征的相似度識(shí)別。

1 實(shí)裝戰(zhàn)技圖像典型特征相似度檢測(cè)

1.1 圖像典型特征檢測(cè)

為檢測(cè)實(shí)裝戰(zhàn)技圖像典型特征相似度,需先對(duì)圖像典型特征進(jìn)行檢測(cè)及提取。通過(guò)Canny算子對(duì)實(shí)裝戰(zhàn)技圖像進(jìn)行典型特征檢測(cè),具體檢測(cè)步驟如下。

(1)首先進(jìn)行實(shí)裝戰(zhàn)技圖像的高斯濾波。為最大程度降低典型特征檢測(cè)結(jié)果中噪聲的影響,首先需要預(yù)處理圖像,利用高斯模板與原始圖像實(shí)施卷積運(yùn)算[5]。對(duì)圖像噪點(diǎn)進(jìn)行濾除,具體為

F(x,y)=G(x,y,σ)*I(x,y)

(1)

式中:I(x,y)代表源圖像;G(x,y,σ)代表高斯模板;*代表卷積運(yùn)算;F(x,y)代表濾波后的實(shí)裝戰(zhàn)技圖像。

(2)檢測(cè)典型特征點(diǎn)集[6]。通過(guò)一階梯度算子對(duì)實(shí)裝戰(zhàn)技圖像進(jìn)行卷積,獲取實(shí)裝戰(zhàn)技圖像垂直、水平方向的角度和梯度值。

(3)非極大值抑制。利用非極大值抑制對(duì)邊緣帶進(jìn)行細(xì)化,以精確定位實(shí)裝戰(zhàn)技圖像典型特征[7]。非極大值抑制指的是對(duì)最大梯度像素點(diǎn)進(jìn)行保留。做法具體如下:將位于邊緣垂直方向上的像素點(diǎn)與當(dāng)前像素點(diǎn)的梯度值進(jìn)行比較,若梯度值是最大的則予以保留,若梯度值不是最大的則直接去除。

(4)雙閾值連接。分別對(duì)兩個(gè)閾值進(jìn)行選取,其中一個(gè)是高閾值,另一個(gè)是低閾值[8]。對(duì)于比高閾值高的認(rèn)為其是強(qiáng)邊緣,連接所有強(qiáng)邊緣構(gòu)造輪廓;對(duì)于位于二者之間的認(rèn)為其是弱邊緣,對(duì)其連通鄰域進(jìn)行檢測(cè),當(dāng)其中有強(qiáng)邊緣,則保留此強(qiáng)邊緣并連接其他輪廓,直到能夠閉合整個(gè)圖像邊緣;當(dāng)比低閾值低時(shí),認(rèn)為其是虛假邊緣直接去除[9]。

1.2 實(shí)裝戰(zhàn)技圖像典型特征提取

在檢測(cè)到圖像典型特征的基礎(chǔ)上,通過(guò)復(fù)合加權(quán)算法在頻域與時(shí)域上對(duì)實(shí)裝戰(zhàn)技圖像的典型特征進(jìn)行提取[10],具體提取特征如下。

(1)對(duì)實(shí)裝戰(zhàn)技圖像的模糊多幀時(shí)頻圖像加權(quán)復(fù)合信號(hào)模型進(jìn)行構(gòu)建,即

(2)

(2)對(duì)一維函數(shù)進(jìn)行映射,將其映射成時(shí)間平移與時(shí)間尺度的二維函數(shù)[12]。b表示時(shí)間平移,a表示時(shí)間尺度。針對(duì)時(shí)頻圖像加權(quán)復(fù)合ψ(t)的夜間連續(xù)圖像,通過(guò)y(t)這一平方可積函數(shù)實(shí)施復(fù)合時(shí)頻加權(quán)變換,即

(3)

(4)

式中:U(a,b)代表仿射群酉變換[13]。

(3)對(duì)原始圖像實(shí)施變量代換,具體為

(5)

對(duì)式(5)進(jìn)行重寫,得到式(6)

(6)

(4)對(duì)實(shí)裝戰(zhàn)技圖像的模糊多幀時(shí)頻圖像加權(quán)復(fù)合信號(hào)形式進(jìn)行構(gòu)建,具體為

(7)

式中:u(t)代表構(gòu)建的實(shí)裝戰(zhàn)技圖像的模糊多幀時(shí)頻圖像加權(quán)復(fù)合信號(hào)形式;T代表模糊閾值;j代表復(fù)合次數(shù);K代表變量信號(hào);t0代表起始加權(quán)復(fù)合信號(hào)[14]。

(5)對(duì)實(shí)裝戰(zhàn)技圖像的模糊多幀時(shí)頻圖像加權(quán)復(fù)合信號(hào)的對(duì)應(yīng)調(diào)頻規(guī)律進(jìn)行構(gòu)建,構(gòu)建形式為雙曲函數(shù),即

(8)

式中:fi(t)代表實(shí)裝戰(zhàn)技圖像的模糊多幀時(shí)頻圖像加權(quán)復(fù)合信號(hào)的對(duì)應(yīng)調(diào)頻規(guī)律。

(6)通過(guò)模糊多幀時(shí)頻圖像加權(quán)復(fù)合信號(hào)的對(duì)應(yīng)圖像變換公式實(shí)施復(fù)合時(shí)頻加權(quán)。圖像變換結(jié)果可得

Wuu(a,b)=ej2πKIna×

(9)

式中:Wuu(a,b)代表最終輸出的模糊多幀時(shí)頻圖像加權(quán)復(fù)合信號(hào);fmin代表最低頻率;fmax代表最高頻率;ba代表圖像變換閾值;Ei代表指數(shù)積分。

1.3 基于傅里葉描述子的典型特征相似度識(shí)別

為獲取傅里葉描述子對(duì)實(shí)裝戰(zhàn)技圖像典型特征相似度的識(shí)別。首先利用傅里葉描述子描述圖像的輪廓信息,對(duì)傅里葉描述子進(jìn)行初步歸一化處理,使其具備尺度變換、平移、旋轉(zhuǎn)不變性的特征,接著利用傅里葉歸一化描述子對(duì)實(shí)裝戰(zhàn)技圖像典型特征坐標(biāo)序列實(shí)施傅里葉變換與坐標(biāo)逆變換,實(shí)現(xiàn)實(shí)裝戰(zhàn)技圖像典型特征的相似度識(shí)別。

利用{x(n),y(n)|n=0,1,…,N-1}代表實(shí)裝戰(zhàn)技圖像典型特征的坐標(biāo)離散序列,獲取其復(fù)數(shù)形式

(10)

式中:z(n)代表實(shí)裝戰(zhàn)技圖像典型特征的坐標(biāo)離散序列復(fù)數(shù)形式。

對(duì)實(shí)裝戰(zhàn)技圖像典型特征的坐標(biāo)離散序列復(fù)數(shù)形式實(shí)施傅里葉變換,具體為

(11)

式中:z(k)代表傅里葉變換后的實(shí)裝戰(zhàn)技圖像典型特征的坐標(biāo)離散序列;k代表閉合曲線的實(shí)際周期數(shù)。

接著實(shí)施坐標(biāo)逆變換,實(shí)現(xiàn)典型特征的相似度識(shí)別,具體為

(12)

1.4 典型特征相似度檢測(cè)

以典型特征相似度識(shí)別結(jié)果為依據(jù)對(duì)實(shí)裝戰(zhàn)技圖像典型特征的相似度進(jìn)行檢測(cè)。首先對(duì)實(shí)裝戰(zhàn)技圖像典型特征識(shí)別結(jié)果進(jìn)行節(jié)點(diǎn)相異度定義,以獲取實(shí)裝戰(zhàn)技圖像典型特征的全部相似區(qū)域節(jié)點(diǎn)。利用D(I,B)表示節(jié)點(diǎn)相異度,并將其當(dāng)做相似節(jié)點(diǎn)對(duì)提取的初選條件。對(duì)D(I,B)進(jìn)行取值設(shè)定:設(shè)其取值為符合閾值條件的對(duì)應(yīng)節(jié)點(diǎn)對(duì),并對(duì)節(jié)點(diǎn)對(duì)的實(shí)際相似度進(jìn)行計(jì)算。通過(guò)區(qū)域?qū)傩蕴卣鞯拇須W拉距離對(duì)圖像區(qū)域差異進(jìn)行判定。設(shè)一個(gè)節(jié)點(diǎn)的對(duì)應(yīng)屬性為k個(gè),則歐拉距離為

(13)

式中:αk代表第k個(gè)節(jié)點(diǎn)對(duì)應(yīng)屬性。

通過(guò)形狀因子與區(qū)域面積這兩個(gè)屬性特征對(duì)式(13)進(jìn)行優(yōu)化,可得

(14)

式中:A、L代表形狀因子與區(qū)域面積兩個(gè)屬性特征。

接著對(duì)閾值進(jìn)行設(shè)定:D(I,B)=θ,提取滿足條件的對(duì)應(yīng)節(jié)點(diǎn),對(duì)節(jié)點(diǎn)對(duì)每個(gè)屬性的對(duì)應(yīng)相似度進(jìn)行計(jì)算,獲取節(jié)點(diǎn)對(duì)相似度。

最后對(duì)相似度閾值進(jìn)行設(shè)置,保留滿足這一閾值的節(jié)點(diǎn),對(duì)不滿足這一閾值的節(jié)點(diǎn)直接剔除。通過(guò)保留節(jié)點(diǎn)對(duì)實(shí)裝戰(zhàn)技圖像典型特征進(jìn)行重新構(gòu)造,留下的典型特征即為實(shí)裝戰(zhàn)技圖像典型特征相似度部分,實(shí)現(xiàn)實(shí)裝戰(zhàn)技圖像典型特征相似度檢測(cè),并且最終相似度即為留下的節(jié)點(diǎn)對(duì)的平均相似度值。

2 相似度檢測(cè)測(cè)試試驗(yàn)

2.1 試驗(yàn)方法設(shè)計(jì)

對(duì)于設(shè)計(jì)的基于傅里葉描述子的實(shí)裝戰(zhàn)技圖像典型特征相似度檢測(cè)方法,設(shè)計(jì)一種試驗(yàn)方法對(duì)其進(jìn)行性能測(cè)試。試驗(yàn)中使用個(gè)人PC機(jī)作為試驗(yàn)平臺(tái),平臺(tái)的具體技術(shù)數(shù)據(jù)如表1所示。

表1 試驗(yàn)平臺(tái)的具體技術(shù)數(shù)據(jù)

試驗(yàn)中使用的主要工具為VC++6.0和Matlab7.1,選擇軍事圖像數(shù)據(jù)集(https://captain-whu.github.io/DOAI2019/dataset.html)作為試驗(yàn)對(duì)象,選取500張實(shí)裝戰(zhàn)技圖像進(jìn)行典型特征相似度檢測(cè)試驗(yàn)。選取其中兩張實(shí)裝戰(zhàn)技圖像作為試驗(yàn)圖像實(shí)例,具體如圖1所示。

圖1 試驗(yàn)圖像實(shí)例

利用基于傅里葉描述子的實(shí)裝戰(zhàn)技圖像典型特征相似度檢測(cè)方法對(duì)兩張?jiān)囼?yàn)圖像進(jìn)行典型特征相似度檢測(cè),獲取此方法的檢測(cè)時(shí)間數(shù)據(jù)作為試驗(yàn)數(shù)據(jù)。為避免本次試驗(yàn)結(jié)果過(guò)于單一,將它與現(xiàn)有的兩種實(shí)裝戰(zhàn)技圖像典型特征相似度檢測(cè)方法進(jìn)行對(duì)比。這兩種方法分別為基于微分算子、基于高斯核濾波的實(shí)裝戰(zhàn)技圖像典型特征相似度檢測(cè)方法。同樣獲取這兩種方法的檢測(cè)時(shí)間數(shù)據(jù)作為對(duì)比試驗(yàn)數(shù)據(jù)。

2.2 試驗(yàn)結(jié)果分析

利用基于傅里葉描述子的實(shí)裝戰(zhàn)技圖像典型特征相似度檢測(cè)方法與基于微分算子、基于高斯核濾波的實(shí)裝戰(zhàn)技圖像典型特征相似度檢測(cè)方法對(duì)其各區(qū)域單元實(shí)施典型特征相似度檢測(cè),獲取的檢測(cè)時(shí)間對(duì)比試驗(yàn)數(shù)據(jù)如表2所示。

表2 檢測(cè)時(shí)間對(duì)比試驗(yàn)數(shù)據(jù)

根據(jù)表2的檢測(cè)時(shí)間對(duì)比試驗(yàn)數(shù)據(jù)可知,對(duì)于兩張?jiān)囼?yàn)圖像,基于傅里葉描述子的實(shí)裝戰(zhàn)技圖像典型特征相似度檢測(cè)方法的檢測(cè)時(shí)間低于基于微分算子和基于高斯核濾波的實(shí)裝戰(zhàn)技圖像典型特征相似度檢測(cè)方法的檢測(cè)時(shí)間。

在此基礎(chǔ)上測(cè)試3種方法對(duì)兩張圖像的典型特征相似度檢測(cè)準(zhǔn)確率,得到的試驗(yàn)對(duì)比結(jié)果如圖2所示。

圖2 典型特征相似度檢測(cè)準(zhǔn)確率

如圖2所示,基于傅里葉描述子的實(shí)裝戰(zhàn)技圖像典型特征相似度檢測(cè)方法的檢測(cè)準(zhǔn)確率平均值為96%,高于兩種對(duì)比方法,證明本文所提方法的典型特征相似度檢測(cè)準(zhǔn)確率較高,檢測(cè)效果較好。

綜上所述,基于傅里葉描述子的實(shí)裝戰(zhàn)技圖像典型特征相似度檢測(cè)方法比現(xiàn)有方法的檢測(cè)效率更高。

3 結(jié)束語(yǔ)

在對(duì)實(shí)裝戰(zhàn)技圖像典型特征相似度檢測(cè)問(wèn)題進(jìn)行研究的過(guò)程中,應(yīng)用傅里葉描述子對(duì)實(shí)裝戰(zhàn)技圖像進(jìn)行典型特征檢測(cè)。通過(guò)傅里葉歸一化描述子,對(duì)實(shí)裝戰(zhàn)技圖像的典型特征進(jìn)行了相似度識(shí)別。試驗(yàn)結(jié)果如下:(1)在500張實(shí)裝戰(zhàn)技圖像中選取兩張,利用本文所提方法對(duì)實(shí)裝戰(zhàn)技圖像典型特征相似度檢測(cè),耗時(shí)最長(zhǎng)為7.69 s,說(shuō)明本文所提方法能夠有效降低檢測(cè)耗時(shí),實(shí)現(xiàn)了檢測(cè)效率的提升。(2)從500張實(shí)裝戰(zhàn)技圖像中選取兩張,利用本文所提方法對(duì)實(shí)裝戰(zhàn)技圖像典型特征相似度檢測(cè),準(zhǔn)確率平均值為96%,實(shí)現(xiàn)了檢測(cè)準(zhǔn)確度的提升。

綜上所述,本文所提方法可進(jìn)一步應(yīng)用在實(shí)際實(shí)裝戰(zhàn)技圖像檢測(cè)中,為實(shí)裝戰(zhàn)技圖像的處理與應(yīng)用提供參考意義。