基于高斯概率和的isar衛(wèi)星帆板檢測(cè)方法
【專利摘要】本發(fā)明屬于空間目標(biāo)部件檢測(cè)【技術(shù)領(lǐng)域】，特別涉及基于高斯概率和的ISAR衛(wèi)星帆板檢測(cè)方法。該基于高斯概率和的ISAR衛(wèi)星帆板檢測(cè)方法包括以下步驟：得到衛(wèi)星圖像I1和衛(wèi)星帆板圖像I2；從衛(wèi)星圖像I1中提取到R個(gè)特征點(diǎn)，從衛(wèi)星帆板圖像I2中提取到T個(gè)特征點(diǎn)；針對(duì)衛(wèi)星圖像I1的每個(gè)特征點(diǎn)，設(shè)置對(duì)應(yīng)的矩形窗口；依次進(jìn)行第1次特征點(diǎn)匹配至第R次特征點(diǎn)匹配；在進(jìn)行每次特征點(diǎn)匹配時(shí)，得出對(duì)應(yīng)的高斯概率和Z1至ZR；從Z1至ZR中找出最大值Zt，得出衛(wèi)星帆板檢測(cè)的特征點(diǎn)，然后根據(jù)衛(wèi)星帆板檢測(cè)的特征點(diǎn)對(duì)衛(wèi)星帆板進(jìn)行檢測(cè)；所述衛(wèi)星帆板檢測(cè)的特征點(diǎn)為：在進(jìn)行第t次特征點(diǎn)匹配時(shí)，衛(wèi)星圖像I1中匹配成功的特征點(diǎn)。
【專利說(shuō)明】基于高斯概率和的ISAR衛(wèi)星帆板檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于空間目標(biāo)部件檢測(cè)【技術(shù)領(lǐng)域】，特別涉及基于高斯概率和的ISAR衛(wèi)星帆板檢測(cè)方法。
【背景技術(shù)】
[0002]ISAR(逆合成孔徑雷達(dá))成像技術(shù)已被廣泛應(yīng)用于機(jī)動(dòng)目標(biāo)成像以及機(jī)動(dòng)目標(biāo)的幾何形態(tài)檢測(cè)等領(lǐng)域。由于機(jī)動(dòng)目標(biāo)的成像平面在相對(duì)雷達(dá)視線上會(huì)發(fā)生變化，直接利用圖像配準(zhǔn)技術(shù)對(duì)ISAR圖像進(jìn)行整體配準(zhǔn)會(huì)使得機(jī)動(dòng)目標(biāo)的部件檢測(cè)具有一定困難，因此需要對(duì)接收的雷達(dá)回波信號(hào)加以處理并進(jìn)行局部特征的配準(zhǔn)，才能保證目標(biāo)部件檢測(cè)的準(zhǔn)確性。
[0003]在ISAR成像技術(shù)中，針對(duì)復(fù)雜的機(jī)動(dòng)目標(biāo)部件的檢測(cè)問題，通常需要完備的部件的回波信號(hào)數(shù)據(jù)庫(kù)，利用數(shù)據(jù)中目標(biāo)的能量進(jìn)行特征點(diǎn)的提取和分析，而部件回波信號(hào)數(shù)據(jù)庫(kù)需要對(duì)各類需要檢測(cè)的機(jī)動(dòng)目標(biāo)部件進(jìn)行模擬仿真，從而得到相應(yīng)的部件回波信號(hào)數(shù)據(jù)。在部件檢測(cè)中，由于ISAR回波數(shù)據(jù)形成的圖像中的特征點(diǎn)具有的機(jī)動(dòng)目標(biāo)部件的性能信息，通?？衫眠@類性能信息進(jìn)行部件的檢測(cè)，因此準(zhǔn)確地提取出ISAR圖像中的特征點(diǎn)并選擇有效地選擇可用的特征點(diǎn)至關(guān)重要，如果在圖像中提取的特征點(diǎn)容易受到機(jī)動(dòng)目標(biāo)的姿態(tài)角變化的影響，就會(huì)造成后續(xù)特征匹配誤差的增加，并導(dǎo)致機(jī)動(dòng)目標(biāo)部件檢測(cè)的失敗。
[0004]為了解決這個(gè)問題，一些研究人員和學(xué)者提出了高效的圖像特征點(diǎn)提取及特征匹配方法，包括利用圖像中像素的梯度變化特性提取梯度變化量較大的像素點(diǎn)作為特征點(diǎn)，通過(guò)向量維數(shù)擴(kuò)展方法得到相應(yīng)的特征向量描述符用于特征點(diǎn)的匹配以及利用理想的盒式濾波器對(duì)圖像進(jìn)行多階降采樣，再將不同采樣結(jié)果找出相對(duì)應(yīng)的極值點(diǎn)作為特征點(diǎn)，最后通過(guò)特征描述符信息進(jìn)行特征點(diǎn)的匹配等方法。但以上方法都是對(duì)高分辨率的圖像進(jìn)行特征點(diǎn)提取后的全局匹配，但對(duì)于機(jī)動(dòng)目標(biāo)中具有相似部件的情況而言，這種整幅圖像下的全局特征點(diǎn)匹配會(huì)容易造成部件檢測(cè)的失敗。
[0005]針對(duì)這個(gè)問題，現(xiàn)有技術(shù)主要包含以下兩種方案:
[0006]技術(shù)方案一是:Cem Unsalan等人提出了一種基于高分辨率的衛(wèi)星圖像中建筑物和街道的檢測(cè)方法。這種方法利用大量有效的特征點(diǎn)確定檢測(cè)目標(biāo)的最優(yōu)特征點(diǎn)，能夠有效地對(duì)人造目標(biāo)進(jìn)行特征點(diǎn)匹配，最后精確地檢測(cè)出相應(yīng)的目標(biāo)。但是這種方法所使用的衛(wèi)星圖像具有很高的分辨率且提取的特征點(diǎn)信息與周圍的點(diǎn)信息對(duì)比度明顯，它在一定程度上類似與光學(xué)圖像，是一種利用視覺效果原理獲取的比較直觀的圖像。但是，對(duì)于一般情況下相對(duì)模糊和對(duì)比度不高的ISAR圖像而言，如果直接上述方式對(duì)圖像進(jìn)行機(jī)動(dòng)目標(biāo)部件的檢測(cè)，容易造成因提取的特征點(diǎn)性能不佳而導(dǎo)致的檢測(cè)失敗。
[0007]技術(shù)方案二是:陶超等人提出了一種基于均值移動(dòng)分割方法和Gabor紋理特征的方法，其首先對(duì)圖像進(jìn)行區(qū)域的分割，之后對(duì)每個(gè)分割的區(qū)域采用Gabor紋理特征進(jìn)行聚類形成視覺詞匯，最后通過(guò)區(qū)域分析找出其所屬的歸類。這種方法能夠有效地通過(guò)圖像分割方法，確定出相關(guān)有效的研究區(qū)域后，再對(duì)遙感影像中的紋理特征找出所需研究的目標(biāo)，從而實(shí)現(xiàn)目標(biāo)的檢測(cè)。但是這種方法需要用于檢測(cè)的圖像具有較高的中的目標(biāo)具有較高的邊緣信息用于紋理特征的提取，而對(duì)于復(fù)雜運(yùn)動(dòng)的ISAR機(jī)動(dòng)目標(biāo)而言，不同的方位向視角下的成像結(jié)果差別很多，同一個(gè)部件目標(biāo)在很小的姿態(tài)角度變化下也會(huì)產(chǎn)生較大的邊緣信息的區(qū)別。這種情況會(huì)造成由于部件重疊、缺失導(dǎo)致的邊緣混疊而使得最終的部件檢測(cè)失敗。

【發(fā)明內(nèi)容】

[0008]本發(fā)明的目的在于提出基于高斯概率和的ISAR衛(wèi)星帆板檢測(cè)方法。本發(fā)明可以在ISAR圖像分辨率不高、邊緣信息不豐富及復(fù)雜機(jī)動(dòng)目標(biāo)中具有相似部件的情況下，有效地檢測(cè)衛(wèi)星帆板。
[0009]實(shí)現(xiàn)本發(fā)明目的的技術(shù)思路是:通過(guò)利用雷達(dá)回波數(shù)據(jù)進(jìn)行距離多普勒成像后得到圖像的歸一化數(shù)據(jù)，之后通過(guò)提取出有效穩(wěn)健的目標(biāo)特征點(diǎn)；之后根據(jù)衛(wèi)星帆板的特征點(diǎn)位置坐標(biāo)設(shè)計(jì)矩形窗口用于局部特征匹配的區(qū)域限定；然后以窗口的最近特征點(diǎn)作為復(fù)雜目標(biāo)圖像中窗口的定位點(diǎn)對(duì)圖像特征點(diǎn)進(jìn)行匹配后，再通過(guò)概率計(jì)算出每次正確匹配的高斯概率和，完成全部的特征點(diǎn)匹配后，以最大高斯概率和所對(duì)應(yīng)的特征匹配結(jié)果作為最終部件檢測(cè)的特征匹配結(jié)果，從而完成衛(wèi)星帆板有效檢測(cè)。
[0010]為實(shí)現(xiàn)上述技術(shù)目的，本發(fā)明采用如下技術(shù)方案予以實(shí)現(xiàn)。
[0011]基于高斯概率和的ISAR衛(wèi)星帆板檢測(cè)方法包括以下步驟:
[0012]S1:利用逆合成孔徑雷達(dá)獲取衛(wèi)星回波數(shù)據(jù)，通過(guò)仿真獲取衛(wèi)星帆板回波數(shù)據(jù)；分別對(duì)衛(wèi)星回波數(shù)據(jù)和衛(wèi)星帆板回波數(shù)據(jù)進(jìn)行預(yù)處理，得到衛(wèi)星圖像I1和衛(wèi)星帆板圖像
工2 ；
[0013]S2:從衛(wèi)星圖像I1中提取到R個(gè)特征點(diǎn)，從衛(wèi)星帆板圖像I2中提取到T個(gè)特征點(diǎn)；
[0014]S3:針對(duì)衛(wèi)星圖像I1的每個(gè)特征點(diǎn)，設(shè)置對(duì)應(yīng)的矩形窗口，衛(wèi)星圖像I1的第k個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口中共有Hk個(gè)特征點(diǎn)，k取I至R，Hk為大于O的自然數(shù)；
[0015]S4:依次進(jìn)行第I次特征點(diǎn)匹配至第R次特征點(diǎn)匹配；進(jìn)行第k次特征點(diǎn)匹配包括以下步驟:針對(duì)衛(wèi)星圖像I1的第k個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口，將其中所有的Hk個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的T個(gè)特征點(diǎn)進(jìn)行特征點(diǎn)匹配；
[0016]在進(jìn)行每次特征點(diǎn)匹配時(shí)，得出對(duì)應(yīng)的高斯概率和；得出第k次特征點(diǎn)匹配時(shí)對(duì)應(yīng)的高斯概率和包括以下步驟:在進(jìn)行第k次特征點(diǎn)匹配時(shí)，針對(duì)匹配的每一對(duì)特征點(diǎn)，得出對(duì)應(yīng)的高斯概率；將進(jìn)行第k次特征點(diǎn)匹配時(shí)得出的所有高斯概率值相加，得出第k次特征點(diǎn)匹配時(shí)對(duì)應(yīng)的高斯概率和Zk ；
[0017]35:從21至21；中找出最大值&，得出衛(wèi)星帆板檢測(cè)的特征點(diǎn)，然后根據(jù)衛(wèi)星帆板檢測(cè)的特征點(diǎn)對(duì)衛(wèi)星帆板進(jìn)行檢測(cè)；所述衛(wèi)星帆板檢測(cè)的特征點(diǎn)為:在進(jìn)行第t次特征點(diǎn)匹配時(shí)，衛(wèi)星圖像I1中匹配成功的特征點(diǎn)。
[0018]本發(fā)明的特點(diǎn)和進(jìn)一步改進(jìn)在于:
[0019]在步驟SI中，所述衛(wèi)星回波數(shù)據(jù)表示為D1，所述衛(wèi)星帆板回波數(shù)據(jù)表示為D2 ;利用距離多普勒成像方法分別對(duì)衛(wèi)星回波數(shù)據(jù)D1和衛(wèi)星帆板回波數(shù)據(jù)D2進(jìn)行成像，得出衛(wèi)星回波成像數(shù)據(jù)K1和衛(wèi)星帆板回波成像數(shù)據(jù)K2 ;然后分別對(duì)衛(wèi)星回波成像數(shù)據(jù)K1和衛(wèi)星帆板回波成像數(shù)據(jù)K2進(jìn)行高斯濾波，得出去噪后衛(wèi)星回波成像數(shù)據(jù)X1和去噪后衛(wèi)星帆板回波成像數(shù)據(jù)X2;對(duì)去噪后衛(wèi)星回波成像數(shù)據(jù)X1進(jìn)行歸一化處理并生成對(duì)應(yīng)的衛(wèi)星圖像I1，對(duì)去噪后衛(wèi)星帆板回波成像數(shù)據(jù)X2進(jìn)行歸一化處理并生成對(duì)應(yīng)的衛(wèi)星帆板圖像12。
[0020]在步驟S2中，從衛(wèi)星圖像I1中提取的R個(gè)特征點(diǎn)由以下兩部分組成:利用SIFT方法在衛(wèi)星圖像I1中提取的特征點(diǎn)、以及利用SURF方法在衛(wèi)星圖像I1中提取的特征點(diǎn)；
[0021]在從衛(wèi)星圖像I1中提取到R個(gè)特征點(diǎn)之后，得出衛(wèi)星圖像I1中提取的每個(gè)特征點(diǎn)的位置坐標(biāo)、以及衛(wèi)星圖像I1中提取的每個(gè)特征點(diǎn)的描述符向量；衛(wèi)星圖像I1中提取的第k個(gè)特征點(diǎn)的位置坐標(biāo)為(xk，yk)，Xk為衛(wèi)星圖像I1中提取的第k個(gè)特征點(diǎn)的橫坐標(biāo)，Yk為衛(wèi)星圖像I1中提取的第k個(gè)特征點(diǎn)的縱坐標(biāo)，k取I至R ;衛(wèi)星圖像I1中提取的每個(gè)特征點(diǎn)的描述符向量由N個(gè)元素組成；
[0022]從衛(wèi)星帆板圖像I2中提取的T個(gè)特征點(diǎn)由以下兩部分組成:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的特征點(diǎn)、以及利用SURF方法在衛(wèi)星帆板圖像I2中提取的特征點(diǎn)；其中，利用SIFT方法在衛(wèi)星帆板圖像I2中提取的特征點(diǎn)為Q個(gè)，I≤Q≤T ;
[0023]在從衛(wèi)星帆板圖像I2中提取到T個(gè)特征點(diǎn)之后，得出衛(wèi)星帆板圖像I2中提取的每個(gè)特征點(diǎn)的位置坐標(biāo)、以及衛(wèi)星帆板圖像I2中提取的每個(gè)特征點(diǎn)的描述符向量；衛(wèi)星帆板圖像I2中提取的第V個(gè)特征點(diǎn)的位置坐標(biāo)為(av，rv)，av為衛(wèi)星帆板圖像I2中提取的第V個(gè)特征點(diǎn)的橫坐標(biāo)，rv為衛(wèi)星帆板圖像I2中提取的第V個(gè)特征點(diǎn)的縱坐標(biāo)，V取I至T ;衛(wèi)星帆板圖像I2中提取的每個(gè)特征點(diǎn)的描述符向量由N個(gè)元素組成。
[0024]在步驟S3中，首先得出衛(wèi)星圖像I1的每個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口的尺寸，衛(wèi)星圖像I1的每個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口的橫向?qū)挾葹長(zhǎng), L = max(av)-min(av),其中，max (av)為:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)的橫坐標(biāo)的最大值，min (av)為:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)的橫坐標(biāo)的最小值；衛(wèi)星圖像I1的每個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口的縱向?qū)挾葹閃, W = max(rv)-min(rv),其中，max(rv)為:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)的縱坐標(biāo)的最大值，min (rv)為:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)的縱坐標(biāo)的最小值；
[0025]然后，建立衛(wèi)星帆板圖像I2的矩形窗口 ；衛(wèi)星帆板圖像I2的矩形窗口的左上角點(diǎn)的位置坐標(biāo)為:(min (av), max (rv)),衛(wèi)星帆板圖像I2的矩形窗口的右上角點(diǎn)的位置坐標(biāo)為:(max (av)，max (rv))，衛(wèi)星帆板圖像I2的矩形窗口的左下角點(diǎn)的位置坐標(biāo)為:(min (av)，min (rv)),衛(wèi)星帆板圖像I2的矩形窗口的右下角點(diǎn)的位置坐標(biāo)為:(max (av), min (rv))；
[0026]針對(duì)利用SIFT方法在衛(wèi)星帆板圖像I2中提取的每個(gè)特征點(diǎn)，分別計(jì)算其與衛(wèi)星帆板圖像I2的矩形窗口的四個(gè)角點(diǎn)的位置坐標(biāo)距離；在利用SIFT方法在衛(wèi)星帆板圖像I2中提取的Q個(gè)特征點(diǎn)中，第q個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的左上角點(diǎn)的位置坐標(biāo)距離為I，第q個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的右上角點(diǎn)的位置坐標(biāo)距離為q2，第q個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的左下角點(diǎn)的位置坐標(biāo)距離為q3，第q個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的右下角點(diǎn)的位置坐標(biāo)距離為q4，q取I至Q ;然后，得出最小位置坐標(biāo)距離Rmin,
[0027]Rmin = min (min (q^，min (q2)，min (q3)，min (q4))
[0028]其中，Hiin(Q1)表示:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)中，每個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的左上角點(diǎn)的位置坐標(biāo)距離的最小值；min(q2)表示:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)中，每個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的右上角點(diǎn)的位置坐標(biāo)距離的最小值；min(q3)表示:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)中，每個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的左下角點(diǎn)的位置坐標(biāo)距離的最小值；min(q4)表示:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)中，每個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的右下角點(diǎn)的位置坐標(biāo)距離的最小值；
[0029]然后根據(jù)最小位置坐標(biāo)距離Rmin，得出與之對(duì)應(yīng)的衛(wèi)星帆板圖像I2的矩形窗口的窗口角點(diǎn)類型；在設(shè)置衛(wèi)星圖像I1的每個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口時(shí)，將衛(wèi)星圖像I1的每個(gè)特征點(diǎn)作為窗口角點(diǎn)，衛(wèi)星圖像I1的每個(gè)特征點(diǎn)對(duì)應(yīng)的窗口角點(diǎn)類型為:與最小位置坐標(biāo)距離對(duì)應(yīng)的衛(wèi)星帆板圖像I2的矩形窗口的窗口角點(diǎn)類型。
[0030]在步驟S4中，進(jìn)行第k次特征點(diǎn)匹配包括以下步驟:衛(wèi)星圖像I1的第k個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口表示為第k個(gè)矩形窗口，針對(duì)第k個(gè)矩形窗口的第hk個(gè)特征點(diǎn)的描述符向量的每個(gè)元素，計(jì)算其與衛(wèi)星帆板圖像I2的第i個(gè)特征點(diǎn)的描述符向量的對(duì)應(yīng)元素的歐式距離，從而得出對(duì)應(yīng)的N個(gè)歐式距離，將對(duì)應(yīng)的N個(gè)歐式距離之和表示為Ot i (hk)，k取I至尺，1取1至！'，111;取1至扎；
[0031 ]然后將 0k，! (h k)至 Ok, τ (hk)組合成集合 Ok (hk), Ok (hk) = {0k，! (hk)，…，0k，T (hk)};計(jì)算集合0k(hk)中元素的最小值與次小值的比值，如果所述比值小于0.95，則衛(wèi)星帆板圖像I2的T個(gè)特征點(diǎn)中與集合Ok(hk)中元素的最小值對(duì)應(yīng)的特征點(diǎn)、以及第k個(gè)矩形窗口的第hk個(gè)特征點(diǎn)為一對(duì)匹配的特征點(diǎn)；如果所述比值大于或等于0.95，則在衛(wèi)星帆板圖像I2的T個(gè)特征點(diǎn)中，沒有與第k個(gè)矩形窗口的第hk個(gè)特征點(diǎn)匹配的特征點(diǎn)；
[0032]在步驟S4中，得出第k次特征點(diǎn)匹配時(shí)對(duì)應(yīng)的高斯概率和包括以下步驟:在進(jìn)行第k次特征點(diǎn)匹配時(shí)，針對(duì)匹配的每一對(duì)特征點(diǎn)的位置坐標(biāo)，利用高斯概率函數(shù)得出對(duì)應(yīng)的高斯概率；然后將進(jìn)行第k次特征點(diǎn)匹配時(shí)得出的所有高斯概率值相加，得出第k次特征點(diǎn)匹配時(shí)對(duì)應(yīng)的高斯概率和Zk。
[0033]本發(fā)明的有益效果為:
[0034]I)與通常的高分辨率的遙感影像和光學(xué)衛(wèi)星圖相比較，本發(fā)明所針對(duì)的是分辨率不高、圖像對(duì)比度信息量不多的ISAR圖像，它在空間目標(biāo)檢測(cè)上具有更大的難度；
[0035]2)與現(xiàn)有的全局方式的目標(biāo)檢測(cè)方法相比較，本發(fā)明利用加窗限定局部匹配的范圍，并通過(guò)高斯概率和確定最終的部件檢測(cè)結(jié)果，具有更高準(zhǔn)確性和更短用時(shí)；
[0036]3)本發(fā)明利用部件圖像中特征點(diǎn)的范圍確定窗口的尺度，并利用對(duì)象圖像的特征點(diǎn)作為窗口的定位點(diǎn)，再利用該窗口所包含的特征點(diǎn)的位置坐標(biāo)和描述符向量進(jìn)行特征點(diǎn)的匹配，提高了局部匹配的精度。
【專利附圖】

【附圖說(shuō)明】
[0037]圖1為本發(fā)明的基于高斯概率和的ISAR衛(wèi)星帆板檢測(cè)方法的流程圖；
[0038]圖2為衛(wèi)星圖像I1的每個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口的舉例示意圖；
[0039]圖3為每次特征點(diǎn)匹配使用的矩形窗口示意圖；
[0040]圖4a表示衛(wèi)星圖像I1 ；
[0041]圖4b表示衛(wèi)星帆板圖像I2 ；[0042]圖5a是從圖4a提取到的121個(gè)特征點(diǎn)的結(jié)果圖；
[0043]圖5b是從圖4b提取到的42個(gè)特征點(diǎn)的結(jié)果圖；
[0044]圖6表不根據(jù)圖5a和圖5b得出的聞斯概率和的結(jié)果不意圖；
[0045]圖7為根據(jù)圖6中最大高斯概率和確定部件檢測(cè)的結(jié)果圖。
【具體實(shí)施方式】
[0046]下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步說(shuō)明:
[0047]參照?qǐng)D1，為本發(fā)明的基于高斯概率和的ISAR衛(wèi)星帆板檢測(cè)方法的流程圖。該基于高斯概率和的ISAR衛(wèi)星帆板檢測(cè)方法包括以下步驟:
[0048]S1:利用逆合成孔徑雷達(dá)(ISAR)獲取衛(wèi)星回波數(shù)據(jù)，通過(guò)仿真獲取衛(wèi)星帆板回波數(shù)據(jù)；分別對(duì)衛(wèi)星回波數(shù)據(jù)和衛(wèi)星帆板回波數(shù)據(jù)進(jìn)行預(yù)處理，得到衛(wèi)星圖像I1和衛(wèi)星帆板圖像12。具體說(shuō)明如下:
[0049]在步驟SI中，所述衛(wèi)星回波數(shù)據(jù)表示為D1，所述衛(wèi)星帆板回波數(shù)據(jù)表示為D2 ;通過(guò)仿真獲取的衛(wèi)星帆板回波數(shù)據(jù)可以有多種，每種衛(wèi)星帆板回波數(shù)據(jù)與一種衛(wèi)星帆板相對(duì)應(yīng)。本發(fā)明的衛(wèi)星帆板檢測(cè)過(guò)程為:根據(jù)衛(wèi)星回波數(shù)據(jù)和衛(wèi)星帆板回波數(shù)據(jù)，判斷空間中衛(wèi)星上的帆板是否為與衛(wèi)星帆板回波數(shù)據(jù)對(duì)應(yīng)的衛(wèi)星帆板。
[0050]然后，利用距離 多普勒成像方法分別對(duì)衛(wèi)星回波數(shù)據(jù)D1和衛(wèi)星帆板回波數(shù)據(jù)D2進(jìn)行成像，得出衛(wèi)星回波成像數(shù)據(jù)K1和衛(wèi)星帆板回波成像數(shù)據(jù)K2 ;然后分別對(duì)衛(wèi)星回波成像數(shù)據(jù)K1和衛(wèi)星帆板回波成像數(shù)據(jù)K2進(jìn)行高斯濾波(利用高斯濾波器進(jìn)行高斯濾波)，去除部分噪聲，得出去噪后衛(wèi)星回波成像數(shù)據(jù)X1和去噪后衛(wèi)星帆板回波成像數(shù)據(jù)X2 ;對(duì)去噪后衛(wèi)星回波成像數(shù)據(jù)X1進(jìn)行歸一化處理并生成對(duì)應(yīng)的衛(wèi)星圖像I1，對(duì)去噪后衛(wèi)星帆板回波成像數(shù)據(jù)X2進(jìn)行歸一化處理并生成對(duì)應(yīng)的衛(wèi)星帆板圖像12。
[0051]S2:從衛(wèi)星圖像I1中提取到R個(gè)特征點(diǎn)，從衛(wèi)星帆板圖像I2中提取到T個(gè)特征點(diǎn)。具體說(shuō)明如下:
[0052]在步驟S2中，從衛(wèi)星圖像I1中提取的R個(gè)特征點(diǎn)由以下兩部分組成:利用SIFT (scale invariant feature transform)方法在衛(wèi)星圖像I1中提取的特征點(diǎn)(SIFT點(diǎn))、以及利用SURF(speeded-up robust features)方法在衛(wèi)星圖像I1中提取的特征點(diǎn)(SURF點(diǎn))。
[0053]在從衛(wèi)星圖像I1中提取到R個(gè)特征點(diǎn)之后，得出衛(wèi)星圖像I1中提取的每個(gè)特征點(diǎn)的位置坐標(biāo)、以及衛(wèi)星圖像I1中提取的每個(gè)特征點(diǎn)的描述符向量；衛(wèi)星圖像I1中提取的第k個(gè)特征點(diǎn)的位置坐標(biāo)為(xk，yk)，Xk為衛(wèi)星圖像I1中提取的第k個(gè)特征點(diǎn)的橫坐標(biāo)，Yk為衛(wèi)星圖像I1中提取的第k個(gè)特征點(diǎn)的縱坐標(biāo)，k取I至R ;衛(wèi)星圖像I1中提取的每個(gè)特征點(diǎn)的描述符向量由N個(gè)元素(數(shù)據(jù))組成,例如N = 64。
[0054]從衛(wèi)星帆板圖像I2中提取的T個(gè)特征點(diǎn)由以下兩部分組成:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的特征點(diǎn)(SIFT點(diǎn))、以及利用SURF方法在衛(wèi)星帆板圖像I2中提取的特征點(diǎn)(SURF點(diǎn))；其中，利用SIFT方法在衛(wèi)星帆板圖像I2中提取的特征點(diǎn)為Q個(gè)，I SQ≤T。
[0055]在從衛(wèi)星帆板圖像I2中提取到T個(gè)特征點(diǎn)之后，得出衛(wèi)星帆板圖像I2中提取的每個(gè)特征點(diǎn)的位置坐標(biāo)、以及衛(wèi)星帆板圖像I2中提取的每個(gè)特征點(diǎn)的描述符向量；衛(wèi)星帆板圖像I2中提取的第V個(gè)特征點(diǎn)的位置坐標(biāo)為(av，rv)，av為衛(wèi)星帆板圖像I2中提取的第V個(gè)特征點(diǎn)的橫坐標(biāo)，rv為衛(wèi)星帆板圖像I2中提取的第V個(gè)特征點(diǎn)的縱坐標(biāo)，V取I至T ;衛(wèi)星帆板圖像I2中提取的每個(gè)特征點(diǎn)的描述符向量由N個(gè)元素組成,例如N = 64。
[0056]S3:針對(duì)衛(wèi)星圖像I1的每個(gè)特征點(diǎn)，設(shè)置對(duì)應(yīng)的矩形窗口，衛(wèi)星圖像I1的第k個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口中共有Hk個(gè)特征點(diǎn)，k取I至R，Hk為大于O的自然數(shù)；
[0057]首先得出衛(wèi)星圖像I1的每個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口的尺寸，衛(wèi)星圖像I1的每個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口的橫向?qū)挾葹長(zhǎng)，L = max (av) -min (av)，其中，max (av)為:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)的橫坐標(biāo)的最大值，min(av)為:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)的橫坐標(biāo)的最小值；衛(wèi)星圖像I1的每個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口的縱向?qū)挾葹閃，W = max(rv)-min(rv)，其中，max(rv)為:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)的縱坐標(biāo)的最大值，min (rv)為:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)的縱坐標(biāo)的最小值；
[0058]然后，建立衛(wèi)星帆板圖像I2的矩形窗口 ；衛(wèi)星帆板圖像I2的矩形窗口的左上角點(diǎn)的位置坐標(biāo)為:(min (av), max (rv)),衛(wèi)星帆板圖像I2的矩形窗口的右上角點(diǎn)的位置坐標(biāo)為:(max (av)，max (rv))，衛(wèi)星帆板圖像I2的矩形窗口的左下角點(diǎn)的位置坐標(biāo)為:(min (av)，min (rv)),衛(wèi)星帆板圖像I2的矩形窗口的右下角點(diǎn)的位置坐標(biāo)為:(max (av), min (rv))。
[0059]針對(duì)利用SIFT方法在衛(wèi)星帆板圖像I2中提取的每個(gè)特征點(diǎn)，分別計(jì)算其與衛(wèi)星帆板圖像I2的矩形窗口的四個(gè)角點(diǎn)的位置坐標(biāo)距離；在利用SIFT方法在衛(wèi)星帆板圖像I2中提取的Q個(gè)特征點(diǎn)中，第q個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的左上角點(diǎn)的位置坐標(biāo)距離為I，第q個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的右上角點(diǎn)的位置坐標(biāo)距離為q2，第q個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的左下角點(diǎn)的位置坐標(biāo)距離為q3，第q個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的右下角點(diǎn)的位置坐標(biāo)距離為q4，q取I至Q ;然后，得出最小位置坐標(biāo)距離Rmin,
[0060]Rmin = min (min (q)，min (q2)，min (q3)，min (q4))
[0061]其中，Hiin(Q1)表示:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)中，每個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的左上角點(diǎn)的位置坐標(biāo)距離的最小值；min (q2)表示:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)中，每個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的右上角點(diǎn)的位置坐標(biāo)距離的最小值；min(q3)表示:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)中，每個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的左下角點(diǎn)的位置坐標(biāo)距離的最小值；min(q4)表示:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)中，每個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的右下角點(diǎn)的位置坐標(biāo)距離的最小值。
[0062]然后根據(jù)最小位置坐標(biāo)距離Rmin，得出與之對(duì)應(yīng)的衛(wèi)星帆板圖像I2的矩形窗口的窗口角點(diǎn)類型；在設(shè)置衛(wèi)星圖像I1的每個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口時(shí)，將衛(wèi)星圖像I1的每個(gè)特征點(diǎn)作為窗口角點(diǎn)，衛(wèi)星圖像I1的每個(gè)特征點(diǎn)對(duì)應(yīng)的窗口角點(diǎn)類型為:與最小位置坐標(biāo)距離對(duì)應(yīng)的衛(wèi)星帆板圖像I2的矩形窗口的窗口角點(diǎn)類型。例如，與最小位置坐標(biāo)距離對(duì)應(yīng)的衛(wèi)星帆板圖像I2的矩形窗口的窗口角點(diǎn)類型為左上角點(diǎn)，將衛(wèi)星圖像I1的每個(gè)特征點(diǎn)作為左上角點(diǎn)，然后以上述矩形窗口的尺寸為基礎(chǔ)，建立矩形窗口。參照?qǐng)D2，為衛(wèi)星圖像I1的每個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口的舉例示意圖，圖2中，橫軸表示方位向采樣點(diǎn)個(gè)數(shù)，縱軸表示距離向采樣點(diǎn)個(gè)數(shù)。[0063]S4:依次進(jìn)行第1次特征點(diǎn)匹配至第R次特征點(diǎn)匹配；進(jìn)行第k次特征點(diǎn)匹配包括以下步驟:針對(duì)衛(wèi)星圖像I1的第k個(gè)特征點(diǎn)(定位點(diǎn))對(duì)應(yīng)的矩形窗口，將其中所有的Hk個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的T個(gè)特征點(diǎn)進(jìn)行特征點(diǎn)匹配；
[0064]在進(jìn)行每次特征點(diǎn)匹配時(shí)，得出對(duì)應(yīng)的高斯概率和；得出第k次特征點(diǎn)匹配時(shí)對(duì)應(yīng)的高斯概率和包括以下步驟:在進(jìn)行第k次特征點(diǎn)匹配時(shí)，針對(duì)匹配的每一對(duì)特征點(diǎn)，得出對(duì)應(yīng)的高斯概率；將進(jìn)行第k次特征點(diǎn)匹配時(shí)得出的所有高斯概率值相加，得出第k次特征點(diǎn)匹配時(shí)對(duì)應(yīng)的高斯概率和Zk。具體說(shuō)明如下:
[0065]在步驟S4中，進(jìn)行第k次特征點(diǎn)匹配包括以下步驟:衛(wèi)星圖像I1的第k個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口表示為第k個(gè)矩形窗口，針對(duì)第k個(gè)矩形窗口的第hk個(gè)特征點(diǎn)的描述符向量的每個(gè)元素，計(jì)算其與衛(wèi)星帆板圖像I2的第i個(gè)特征點(diǎn)的描述符向量的對(duì)應(yīng)元素的歐式距離，從而得出對(duì)應(yīng)的N個(gè)歐式距離，將對(duì)應(yīng)的N個(gè)歐式距離之和表示為Ot i (hk)，k取I至尺，1取1至！'，111;取1至扎；
[0066]然后將0k，! (hk)至 Ok, τ (hk)組合成集合 Ok (hk), Ok (hk) = {0k，! (hk)，…，0k，T (hk)};計(jì)算集合0k(hk)中元素的最小值與次小值的比值，如果所述比值小于0.95，則衛(wèi)星帆板圖像I2的T個(gè)特征點(diǎn)中與集合Ok(hk)中元素的最小值對(duì)應(yīng)的特征點(diǎn)、以及第k個(gè)矩形窗口的第hk個(gè)特征點(diǎn)為一對(duì)匹配的特征點(diǎn)；如果所述比值大于或等于0.95，則在衛(wèi)星帆板圖像I2的T個(gè)特征點(diǎn)中，沒有與第k個(gè)矩形窗口的第hk個(gè)特征點(diǎn)匹配的特征點(diǎn)。
[0067]在步驟S4中，得出第k次特征點(diǎn)匹配時(shí)對(duì)應(yīng)的高斯概率和包括以下步驟:在進(jìn)行第k次特征點(diǎn)匹配時(shí)，針對(duì)匹配的每一對(duì)特征點(diǎn)的位置坐標(biāo)，利用高斯概率函數(shù)得出對(duì)應(yīng)的高斯概率；然后將進(jìn)行第k次特征點(diǎn)匹配時(shí)得出的所有高斯概率值相加，得出第k次特征點(diǎn)匹配時(shí)對(duì)應(yīng)的高斯概率和Zk。
[0068]以下針對(duì)步驟S4進(jìn)行舉例說(shuō)明:進(jìn)行第1次特征點(diǎn)匹配時(shí)，衛(wèi)星圖像I1的第I個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口表示為第I個(gè)矩形窗口，針對(duì)第I個(gè)矩形窗口的第I個(gè)特征點(diǎn)的描述符向量的每個(gè)元素，計(jì)算其與衛(wèi)星帆板圖像I2的第i個(gè)特征點(diǎn)的描述符向量的對(duì)應(yīng)元素的歐式距離，從而得出對(duì)應(yīng)的N個(gè)歐式距離，這N個(gè)歐式距離之和表示為Om (I)，然后將Om(I)至Ul)組合成集合O1(I);計(jì)算集合0k(hk)中元素的最小值Olif(I)與次小值的比值，如果所述比值小于0.95，則衛(wèi)星帆板圖像I2的第f個(gè)特征點(diǎn)、以及第k個(gè)矩形窗口的第I個(gè)特征點(diǎn)為一對(duì)匹配的特征點(diǎn)。
[0069]參照?qǐng)D3，為每次特征點(diǎn)匹配使用的矩形窗口示意圖。圖3中，，橫軸表示方位向采樣點(diǎn)個(gè)數(shù)，縱軸表示距離向采樣點(diǎn)個(gè)數(shù)。
[0070]S5:從Z1至Zk中找出最大值Zt，得出衛(wèi)星帆板檢測(cè)的特征點(diǎn)，然后根據(jù)衛(wèi)星帆板檢測(cè)的特征點(diǎn)對(duì)衛(wèi)星帆板進(jìn)行檢測(cè)，l^t^R ;所述衛(wèi)星帆板檢測(cè)的特征點(diǎn)為:在進(jìn)行第t次特征點(diǎn)匹配時(shí)，衛(wèi)星圖像I1中匹配成功的特征點(diǎn)。
[0071]在步驟S5中，根據(jù)衛(wèi)星圖像I1中衛(wèi)星帆板檢測(cè)的特征點(diǎn)，在衛(wèi)星圖像I1中進(jìn)行衛(wèi)星帆板檢測(cè)，判斷衛(wèi)星圖像I1中的衛(wèi)星帆板是否與衛(wèi)星帆板回波數(shù)據(jù)相對(duì)應(yīng)。
[0072]以下通過(guò)仿真實(shí)驗(yàn)進(jìn)一步說(shuō)明本發(fā)明的有效性。 [0073]I)仿真條件:
[0074]本發(fā)明仿真實(shí)驗(yàn)采用的衛(wèi)星圖像和衛(wèi)星帆板圖像如圖4所示。其中圖4a表示衛(wèi)星圖像I1,圖4b表示衛(wèi)星帆板圖像12。本發(fā)明仿真的主要參數(shù)如表一所示:[0075]表一
[0076]
【權(quán)利要求】
1.基于高斯概率和的ISAR衛(wèi)星帆板檢測(cè)方法，其特征在于，包括以下步驟: S1:利用逆合成孔徑雷達(dá)獲取衛(wèi)星回波數(shù)據(jù)，通過(guò)仿真獲取衛(wèi)星帆板回波數(shù)據(jù)；分別對(duì)衛(wèi)星回波數(shù)據(jù)和衛(wèi)星帆板回波數(shù)據(jù)進(jìn)行預(yù)處理，得到衛(wèi)星圖像I1和衛(wèi)星帆板圖像I2 ； 52:從衛(wèi)星圖像I1中提取到R個(gè)特征點(diǎn)，從衛(wèi)星帆板圖像I2中提取到T個(gè)特征點(diǎn)； 53:針對(duì)衛(wèi)星圖像I1的每個(gè)特征點(diǎn)，設(shè)置對(duì)應(yīng)的矩形窗口，衛(wèi)星圖像I1的第k個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口中共有Hk個(gè)特征點(diǎn)，k取I至R，Hk為大于O的自然數(shù)； 54:依次進(jìn)行第1次特征點(diǎn)匹配至第R次特征點(diǎn)匹配；進(jìn)行第k次特征點(diǎn)匹配包括以下步驟:針對(duì)衛(wèi)星圖像I1的第k個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口，將其中所有的Hk個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的T個(gè)特征點(diǎn)進(jìn)行特征點(diǎn) 匹配； 在進(jìn)行每次特征點(diǎn)匹配時(shí)，得出對(duì)應(yīng)的高斯概率和；得出第k次特征點(diǎn)匹配時(shí)對(duì)應(yīng)的高斯概率和包括以下步驟:在進(jìn)行第k次特征點(diǎn)匹配時(shí)，針對(duì)匹配的每一對(duì)特征點(diǎn)，得出對(duì)應(yīng)的高斯概率；將進(jìn)行第k次特征點(diǎn)匹配時(shí)得出的所有高斯概率值相加，得出第k次特征點(diǎn)匹配時(shí)對(duì)應(yīng)的高斯概率和Zk ； 55:從21至&中找出最大值Zt，得出衛(wèi)星帆板檢測(cè)的特征點(diǎn)，然后根據(jù)衛(wèi)星帆板檢測(cè)的特征點(diǎn)對(duì)衛(wèi)星帆板進(jìn)行檢測(cè)；所述衛(wèi)星帆板檢測(cè)的特征點(diǎn)為:在進(jìn)行第t次特征點(diǎn)匹配時(shí)，衛(wèi)星圖像I1中匹配成功的特征點(diǎn)。
2.如權(quán)利要求1所述的基于高斯概率和的ISAR衛(wèi)星帆板檢測(cè)方法，其特征在于，在步驟SI中，所述衛(wèi)星回波數(shù)據(jù)表示為D1，所述衛(wèi)星帆板回波數(shù)據(jù)表示為D2 ;利用距離多普勒成像方法分別對(duì)衛(wèi)星回波數(shù)據(jù)D1和衛(wèi)星帆板回波數(shù)據(jù)D2進(jìn)行成像，得出衛(wèi)星回波成像數(shù)據(jù)K1和衛(wèi)星帆板回波成像數(shù)據(jù)K2 ;然后分別對(duì)衛(wèi)星回波成像數(shù)據(jù)K1和衛(wèi)星帆板回波成像數(shù)據(jù)K2進(jìn)行高斯濾波，得出去噪后衛(wèi)星回波成像數(shù)據(jù)X1和去噪后衛(wèi)星帆板回波成像數(shù)據(jù)X2 ;對(duì)去噪后衛(wèi)星回波成像數(shù)據(jù)X1進(jìn)行歸一化處理并生成對(duì)應(yīng)的衛(wèi)星圖像I1，對(duì)去噪后衛(wèi)星帆板回波成像數(shù)據(jù)X2進(jìn)行歸一化處理并生成對(duì)應(yīng)的衛(wèi)星帆板圖像12。
3.如權(quán)利要求1所述的基于高斯概率和的ISAR衛(wèi)星帆板檢測(cè)方法，其特征在于，在步驟S2中，從衛(wèi)星圖像I1中提取的R個(gè)特征點(diǎn)由以下兩部分組成:利用SIFT方法在衛(wèi)星圖像I1中提取的特征點(diǎn)、以及利用SURF方法在衛(wèi)星圖像I1中提取的特征點(diǎn)； 在從衛(wèi)星圖像I1中提取到R個(gè)特征點(diǎn)之后，得出衛(wèi)星圖像I1中提取的每個(gè)特征點(diǎn)的位置坐標(biāo)、以及衛(wèi)星圖像I1中提取的每個(gè)特征點(diǎn)的描述符向量；衛(wèi)星圖像I1中提取的第k個(gè)特征點(diǎn)的位置坐標(biāo)為(xk，yk),xk為衛(wèi)星圖像I1中提取的第k個(gè)特征點(diǎn)的橫坐標(biāo)，yk為衛(wèi)星圖像I1中提取的第k個(gè)特征點(diǎn)的縱坐標(biāo)，k取I至R ;衛(wèi)星圖像I1中提取的每個(gè)特征點(diǎn)的描述符向量由N個(gè)元素組成； 從衛(wèi)星帆板圖像I2中提取的T個(gè)特征點(diǎn)由以下兩部分組成:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的特征點(diǎn)、以及利用SURF方法在衛(wèi)星帆板圖像I2中提取的特征點(diǎn)；其中，利用SIFT方法在衛(wèi)星帆板圖像I2中提取的特征點(diǎn)為Q個(gè)，I≤Q≤T ; 在從衛(wèi)星帆板圖像I2中提取到T個(gè)特征點(diǎn)之后，得出衛(wèi)星帆板圖像I2中提取的每個(gè)特征點(diǎn)的位置坐標(biāo)、以及衛(wèi)星帆板圖像I2中提取的每個(gè)特征點(diǎn)的描述符向量；衛(wèi)星帆板圖像I2中提取的第V個(gè)特征點(diǎn)的位置坐標(biāo)為(av，rv)，av為衛(wèi)星帆板圖像I2中提取的第V個(gè)特征點(diǎn)的橫坐標(biāo)，rv為衛(wèi)星帆板圖像I2中提取的第V個(gè)特征點(diǎn)的縱坐標(biāo)，V取I至T ;衛(wèi)星帆板圖像I2中提取的每個(gè)特征點(diǎn)的描述符向量由N個(gè)元素組成。
4.如權(quán)利要求3所述的基于高斯概率和的ISAR衛(wèi)星帆板檢測(cè)方法，其特征在于，在步驟S3中，首先得出衛(wèi)星圖像I1的每個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口的尺寸，衛(wèi)星圖像I1的每個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口的橫向?qū)挾葹長(zhǎng)，L = max (av) -min (av)，其中，max (av)為:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)的橫坐標(biāo)的最大值，min(av)為:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)的橫坐標(biāo)的最小值；衛(wèi)星圖像I1的每個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口的縱向?qū)挾葹閃，W = max(rv)-min(rv)，其中，max(rv)為:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)的縱坐標(biāo)的最大值，min (rv)為:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)的縱坐標(biāo)的最小值； 然后，建立衛(wèi)星帆板圖像I2的矩形窗口 ；衛(wèi)星帆板圖像I2的矩形窗口的左上角點(diǎn)的位置坐標(biāo)為:(min(av), max(rv)),衛(wèi)星帆板圖像I2的矩形窗口的右上角點(diǎn)的位置坐標(biāo)為:(max(av), max(rv)),衛(wèi)星帆板圖像I2的矩形窗口的左下角點(diǎn)的位置坐標(biāo)為:(min(av),min (rv)),衛(wèi)星帆板圖像I2的矩形窗口的右下角點(diǎn)的位置坐標(biāo)為:(max (av), min (rv))； 針對(duì)利用SIFT方法在衛(wèi)星帆板圖像I2中提取的每個(gè)特征點(diǎn)，分別計(jì)算其與衛(wèi)星帆板圖像I2的矩形窗口的四個(gè)角點(diǎn)的位置坐標(biāo)距離；在利用SIFT方法在衛(wèi)星帆板圖像I2中提取的Q個(gè)特征點(diǎn)中，第q個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的左上角點(diǎn)的位置坐標(biāo)距離為Q1，第q個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的右上角點(diǎn)的位置坐標(biāo)距離為q2，第q個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的左下角點(diǎn)的位置坐標(biāo)距離為q3，第q個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的右下角點(diǎn)的位置坐標(biāo)距離為q4，q取I至Q ;然后，得出最小位置坐標(biāo)距離Rmin,
Rmin = min (min (q^，min (q2)，min (q3)，min (q4)) 其中，min(qi)表示:利用SI FT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)中，每個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的左上角點(diǎn)的位置坐標(biāo)距離的最小值；min(q2)表示:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)中，每個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的右上角點(diǎn)的位置坐標(biāo)距離的最小值；min(q3)表示:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)中，每個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的左下角點(diǎn)的位置坐標(biāo)距離的最小值；min(q4)表示:利用SIFT方法在衛(wèi)星帆板圖像I2中提取的所有Q個(gè)特征點(diǎn)中，每個(gè)特征點(diǎn)與衛(wèi)星帆板圖像I2的矩形窗口的右下角點(diǎn)的位置坐標(biāo)距離的最小值； 然后根據(jù)最小位置坐標(biāo)距離Rmin，得出與之對(duì)應(yīng)的衛(wèi)星帆板圖像I2的矩形窗口的窗口角點(diǎn)類型；在設(shè)置衛(wèi)星圖像I1的每個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口時(shí)，將衛(wèi)星圖像I1的每個(gè)特征點(diǎn)作為窗口角點(diǎn)，衛(wèi)星圖像I1的每個(gè)特征點(diǎn)對(duì)應(yīng)的窗口角點(diǎn)類型為:與最小位置坐標(biāo)距離對(duì)應(yīng)的衛(wèi)星帆板圖像I2的矩形窗口的窗口角點(diǎn)類型。
5.如權(quán)利要求3所述的基于高斯概率和的ISAR衛(wèi)星帆板檢測(cè)方法，其特征在于，在步驟S4中，進(jìn)行第k次特征點(diǎn)匹配包括以下步驟:衛(wèi)星圖像I1的第k個(gè)特征點(diǎn)對(duì)應(yīng)的矩形窗口表示為第k個(gè)矩形窗口，針對(duì)第k個(gè)矩形窗口的第hk個(gè)特征點(diǎn)的描述符向量的每個(gè)元素，計(jì)算其與衛(wèi)星帆板圖像I2的第i個(gè)特征點(diǎn)的描述符向量的對(duì)應(yīng)元素的歐式距離，從而得出對(duì)應(yīng)的N個(gè)歐式距離，將對(duì)應(yīng)的N個(gè)歐式距離之和表示為Ot i (hk)，k取I至R，i取I至T，hk取I至Hk ;
然后將 I (hk)至(\ τ (hk)組合成集合 Ok (hk), Ok (hk) = {0k； i (hk),..., 0k； T (hk)};計(jì)算集合Ok (hk)中元素的最小值與次小值的比值，如果所述比值小于0.95，則衛(wèi)星帆板圖像I2的T個(gè)特征點(diǎn)中與集合Ok(hk)中元素的最小值對(duì)應(yīng)的特征點(diǎn)、以及第k個(gè)矩形窗口的第hk個(gè)特征點(diǎn)為一對(duì)匹配的特征點(diǎn)；如果所述比值大于或等于0.95，則在衛(wèi)星帆板圖像I2的T個(gè)特征點(diǎn)中，沒有與第k個(gè)矩形窗口的第hk個(gè)特征點(diǎn)匹配的特征點(diǎn)； 在步驟S4中，得出第k次特征點(diǎn)匹配時(shí)對(duì)應(yīng)的高斯概率和包括以下步驟:在進(jìn)行第k次特征點(diǎn)匹配時(shí)，針對(duì)匹配的每一對(duì)特征點(diǎn)的位置坐標(biāo)，利用高斯概率函數(shù)得出對(duì)應(yīng)的高斯概率；然后將進(jìn)行第k次特征點(diǎn)匹配時(shí)得出的所有高斯概率值相加，得出第k次特征點(diǎn)匹配時(shí)對(duì)應(yīng)的高斯概率和\。
【文檔編號(hào)】G06T7/00GK104008546SQ201410218699
【公開日】2014年8月27日 申請(qǐng)日期:2014年5月21日 優(yōu)先權(quán)日:2014年5月21日
【發(fā)明者】張磊, 許志偉, 吳敏, 董祺, 邢孟道 申請(qǐng)人:西安電子科技大學(xué)