赵 莉,张克旺

(信阳农林学院 信息工程学院,河南 信阳 464000)

航空武器主要包括机载武器与作战飞机这两种类型。其中,机载武器主要包括鱼雷、航空水雷、空空导弹、航空火箭弹、航空炸弹、自动航空武器等;作战飞机主要包括侦察机、预警机、通信指挥飞机、空中指挥机、反潜巡逻机、无人攻击机、轰炸战斗机等。航空武器凝结了工业制造技术与高新科学技术的结晶,代表着各国的工业与科技发展水平[1]。其发展是衡量各个国家科研水平、军事实力以及国防实力的重要标志,同时也是国家领空、领土安全的重要保证。在第二次世界大战后,为获取制空权与经济利益,很多国家开始积极对空军力量进行扩充,并大力对航空武器进行研发[2]。例如:利用航空武器进行作战时,需对航空武器进行目标跟踪;在识别实装战技图像过程中,实装战技图像的典型特征相似度检测则是识别跟踪的关键。

对于实装战技图像典型特征相似度检测问题,各个国家都非常重视,很多学者都对其进行了深入研究,并取得了多样化的研究成果。国外很早就有学者提出一种基于微分算子的实装战技图像典型特征相似度检测方法[3],主要利用微分算子实现实装战技图像的典型特征相似度检测。国内对于实装战技图像典型特征相似度检测问题的研究则相对起步较晚,有学者提出一种基于高斯核滤波的实装战技图像典型特征相似度检测方法[4],主要通过高斯核滤波实现实装战技图像的典型特征相似度检测。以上方法具有一定有效性,但在检测耗时及准确度方面仍有提升空间。因此,本文在对实装战技图像典型特征相似度检测问题进行研究的过程中,引入傅里叶描述子,提出一种基于傅里叶描述子的实装战技图像典型特征相似度检测方法。通过复合加权算法提取实装战技图像的典型特征,利用傅里叶描述子进行初步归一化处理,根据傅里叶描述子尺度变换、平移、旋转不变性的特征,获取实装战技图像典型特征的全部相似区域节点,实现实装战技图像典型特征的相似度识别。

1 实装战技图像典型特征相似度检测

1.1 图像典型特征检测

为检测实装战技图像典型特征相似度,需先对图像典型特征进行检测及提取。通过Canny算子对实装战技图像进行典型特征检测,具体检测步骤如下。

(1)首先进行实装战技图像的高斯滤波。为最大程度降低典型特征检测结果中噪声的影响,首先需要预处理图像,利用高斯模板与原始图像实施卷积运算[5]。对图像噪点进行滤除,具体为

F(x,y)=G(x,y,σ)*I(x,y)

(1)

式中:I(x,y)代表源图像;G(x,y,σ)代表高斯模板;*代表卷积运算;F(x,y)代表滤波后的实装战技图像。

(2)检测典型特征点集[6]。通过一阶梯度算子对实装战技图像进行卷积,获取实装战技图像垂直、水平方向的角度和梯度值。

(3)非极大值抑制。利用非极大值抑制对边缘带进行细化,以精确定位实装战技图像典型特征[7]。非极大值抑制指的是对最大梯度像素点进行保留。做法具体如下:将位于边缘垂直方向上的像素点与当前像素点的梯度值进行比较,若梯度值是最大的则予以保留,若梯度值不是最大的则直接去除。

(4)双阈值连接。分别对两个阈值进行选取,其中一个是高阈值,另一个是低阈值[8]。对于比高阈值高的认为其是强边缘,连接所有强边缘构造轮廓;对于位于二者之间的认为其是弱边缘,对其连通邻域进行检测,当其中有强边缘,则保留此强边缘并连接其他轮廓,直到能够闭合整个图像边缘;当比低阈值低时,认为其是虚假边缘直接去除[9]。

1.2 实装战技图像典型特征提取

在检测到图像典型特征的基础上,通过复合加权算法在频域与时域上对实装战技图像的典型特征进行提取[10],具体提取特征如下。

(1)对实装战技图像的模糊多帧时频图像加权复合信号模型进行构建,即

(2)

(2)对一维函数进行映射,将其映射成时间平移与时间尺度的二维函数[12]。b表示时间平移,a表示时间尺度。针对时频图像加权复合ψ(t)的夜间连续图像,通过y(t)这一平方可积函数实施复合时频加权变换,即

(3)

(4)

式中:U(a,b)代表仿射群酉变换[13]。

(3)对原始图像实施变量代换,具体为

(5)

对式(5)进行重写,得到式(6)

(6)

(4)对实装战技图像的模糊多帧时频图像加权复合信号形式进行构建,具体为

(7)

式中:u(t)代表构建的实装战技图像的模糊多帧时频图像加权复合信号形式;T代表模糊阈值;j代表复合次数;K代表变量信号;t0代表起始加权复合信号[14]。

(5)对实装战技图像的模糊多帧时频图像加权复合信号的对应调频规律进行构建,构建形式为双曲函数,即

(8)

式中:fi(t)代表实装战技图像的模糊多帧时频图像加权复合信号的对应调频规律。

(6)通过模糊多帧时频图像加权复合信号的对应图像变换公式实施复合时频加权。图像变换结果可得

Wuu(a,b)=ej2πKIna×

(9)

式中:Wuu(a,b)代表最终输出的模糊多帧时频图像加权复合信号;fmin代表最低频率;fmax代表最高频率;ba代表图像变换阈值;Ei代表指数积分。

1.3 基于傅里叶描述子的典型特征相似度识别

为获取傅里叶描述子对实装战技图像典型特征相似度的识别。首先利用傅里叶描述子描述图像的轮廓信息,对傅里叶描述子进行初步归一化处理,使其具备尺度变换、平移、旋转不变性的特征,接着利用傅里叶归一化描述子对实装战技图像典型特征坐标序列实施傅里叶变换与坐标逆变换,实现实装战技图像典型特征的相似度识别。

利用{x(n),y(n)|n=0,1,…,N-1}代表实装战技图像典型特征的坐标离散序列,获取其复数形式

(10)

式中:z(n)代表实装战技图像典型特征的坐标离散序列复数形式。

对实装战技图像典型特征的坐标离散序列复数形式实施傅里叶变换,具体为

(11)

式中:z(k)代表傅里叶变换后的实装战技图像典型特征的坐标离散序列;k代表闭合曲线的实际周期数。

接着实施坐标逆变换,实现典型特征的相似度识别,具体为

(12)

1.4 典型特征相似度检测

以典型特征相似度识别结果为依据对实装战技图像典型特征的相似度进行检测。首先对实装战技图像典型特征识别结果进行节点相异度定义,以获取实装战技图像典型特征的全部相似区域节点。利用D(I,B)表示节点相异度,并将其当做相似节点对提取的初选条件。对D(I,B)进行取值设定:设其取值为符合阈值条件的对应节点对,并对节点对的实际相似度进行计算。通过区域属性特征的代表欧拉距离对图像区域差异进行判定。设一个节点的对应属性为k个,则欧拉距离为

(13)

式中:αk代表第k个节点对应属性。

通过形状因子与区域面积这两个属性特征对式(13)进行优化,可得

(14)

式中:A、L代表形状因子与区域面积两个属性特征。

接着对阈值进行设定:D(I,B)=θ,提取满足条件的对应节点,对节点对每个属性的对应相似度进行计算,获取节点对相似度。

最后对相似度阈值进行设置,保留满足这一阈值的节点,对不满足这一阈值的节点直接剔除。通过保留节点对实装战技图像典型特征进行重新构造,留下的典型特征即为实装战技图像典型特征相似度部分,实现实装战技图像典型特征相似度检测,并且最终相似度即为留下的节点对的平均相似度值。

2 相似度检测测试试验

2.1 试验方法设计

对于设计的基于傅里叶描述子的实装战技图像典型特征相似度检测方法,设计一种试验方法对其进行性能测试。试验中使用个人PC机作为试验平台,平台的具体技术数据如表1所示。

表1 试验平台的具体技术数据

试验中使用的主要工具为VC++6.0和Matlab7.1,选择军事图像数据集(https://captain-whu.github.io/DOAI2019/dataset.html)作为试验对象,选取500张实装战技图像进行典型特征相似度检测试验。选取其中两张实装战技图像作为试验图像实例,具体如图1所示。

图1 试验图像实例

利用基于傅里叶描述子的实装战技图像典型特征相似度检测方法对两张试验图像进行典型特征相似度检测,获取此方法的检测时间数据作为试验数据。为避免本次试验结果过于单一,将它与现有的两种实装战技图像典型特征相似度检测方法进行对比。这两种方法分别为基于微分算子、基于高斯核滤波的实装战技图像典型特征相似度检测方法。同样获取这两种方法的检测时间数据作为对比试验数据。

2.2 试验结果分析

利用基于傅里叶描述子的实装战技图像典型特征相似度检测方法与基于微分算子、基于高斯核滤波的实装战技图像典型特征相似度检测方法对其各区域单元实施典型特征相似度检测,获取的检测时间对比试验数据如表2所示。

表2 检测时间对比试验数据

根据表2的检测时间对比试验数据可知,对于两张试验图像,基于傅里叶描述子的实装战技图像典型特征相似度检测方法的检测时间低于基于微分算子和基于高斯核滤波的实装战技图像典型特征相似度检测方法的检测时间。

在此基础上测试3种方法对两张图像的典型特征相似度检测准确率,得到的试验对比结果如图2所示。

图2 典型特征相似度检测准确率

如图2所示,基于傅里叶描述子的实装战技图像典型特征相似度检测方法的检测准确率平均值为96%,高于两种对比方法,证明本文所提方法的典型特征相似度检测准确率较高,检测效果较好。

综上所述,基于傅里叶描述子的实装战技图像典型特征相似度检测方法比现有方法的检测效率更高。

3 结束语

在对实装战技图像典型特征相似度检测问题进行研究的过程中,应用傅里叶描述子对实装战技图像进行典型特征检测。通过傅里叶归一化描述子,对实装战技图像的典型特征进行了相似度识别。试验结果如下:(1)在500张实装战技图像中选取两张,利用本文所提方法对实装战技图像典型特征相似度检测,耗时最长为7.69 s,说明本文所提方法能够有效降低检测耗时,实现了检测效率的提升。(2)从500张实装战技图像中选取两张,利用本文所提方法对实装战技图像典型特征相似度检测,准确率平均值为96%,实现了检测准确度的提升。

综上所述,本文所提方法可进一步应用在实际实装战技图像检测中,为实装战技图像的处理与应用提供参考意义。