1.一种基于超像素二次核几何特征的飞机识别与姿态估计方法,其特征在于,包括下列步骤:S1 利用飞机图像的颜色特征和区域复杂度进行图像区域的划分;
S2 基于二次核分布对每个图像区域进行表征和融合;
S3基于多角度机身和机翼模板,对飞机进行识别;
S4 基于差分链码累积量,获取飞机主要结构拐点;
S5 对飞机掩膜图像B进行腐蚀操作,获取飞机骨架,基于骨架进行飞机区域分割,找到距离飞机骨架中心最近的四个拐点,对飞机的三个主要区域进行分割;
S6根据机身和机翼区域,获取区域角度;
S7 计算机翼深度比以计算第一参考角,利用第一参考向量和机翼端点向量计算第二参考角,利用两个参考角,计算飞机的翻滚角;
S8计算左右机翼向量和机身向量的两个夹角,建立俯仰角与翻滚角的第二关系模型,计算俯仰角;
S9完成飞机的识别和姿态估计。
2.根据权利要求1所述的基于超像素二次核几何特征的飞机识别与姿态估计方法,其特征在于,步骤S1所述的利用飞机图像的颜色特征和区域复杂度进行图像区域的划分,包括下列步骤:S1.1利用飞机图像的颜色特征进行超像素的初步划分,包括下列步骤:S1.1.1计算图像区域内像素点之间的HSV颜色距离dc,其数学表达式为:;
式中:H1、S1、V1、H2、S2、V2分别为两个像素点的色调、饱和度和亮度,其中H1为数值更大的色调;
S1.1.2计算图像区域内像素点之间的欧式距离ds,其数学表达式为:;
式中:x1、y1、x2、y2为两个像素点的图像坐标;
S1.1.3根据步骤S1.1.1和步骤S1.1.2所得的HSV颜色距离dc和欧式距离ds,计算像素点相似度D,对图像进行超像素划分,像素点相似度D的数学表达式为:;
式中:s为预设的超像素尺寸;
S1.2根据步骤S1.1.3所得的超像素区域,基于超像素纹理复杂度进行超像素融合,包括下列步骤;
S1.2.1计算所有超像素的纹理复杂度fc,数学表达式为:;
式中:s表示超像素尺寸;表示以3×3区域为基准计算的二值化标准差,当纹理复杂度大于全图最大纹理复杂度的0.1倍时,该区域的二值化标准差的数值为1,其他情况为零;
S1.2.2根据步骤S1.2.1所得的超像素纹理复杂度fc,计算复杂度差异,其数学表达式为:;
式中:和表示两个超像素区域的纹理复杂度;为最小纹理复杂度;
S1.2.3根据步骤S1.2.2所得的复杂度差异,将小于1的超像素融合为一个区域。
3.根据权利要求1所述的基于超像素二次核几何特征的飞机识别与姿态估计方法,其特征在于,步骤S2所述的基于二次核分布对每个图像区域进行表征和融合包括下列步骤:S2.1用三个二次核分布对步骤S1.2.3所得的融合图像区域进行表征,迭代计算二次核分布参数,其数学表达式为:;
式中:、、分别为第j个二次核分布的均值、先验概率和协方差矩阵;为表示像素点的向量;表示第i个像素点属于第j个分布的后验概率,数学表达式为:;
式中:K表示分布的数目;为像素位置向量;为第j个分布的位置向量的均值;为协方差矩阵的2×2部分;为二次核分布的概率密度函数,数学表达式为:;
S2.2对步骤S2.1所得的二次核分布的协方差矩阵进行特征分解,数学表达式为:;
式中:为协方差矩阵的2×2部分;为特征值矩阵,为特征向量矩阵,其数学表达式为:;
S2.3根据步骤S2.2所得的协方差矩阵,分别计算用于表示融合区域的三个分布的角度特征,数学表达式为:。
4.根据权利要求1所述的基于超像素二次核几何特征的飞机识别与姿态估计方法,其特征在于,步骤S3所述的基于多角度机身和机翼模板,对飞机进行识别,包括下列步骤:S3.1建立十种不同机型的飞机的基础模板,将其定义为,并进一步将每个模板的机身、左机翼和右机翼模板分别定义为、和;
S3.2根据步骤S3.1所得的不同机型的机身、左机翼和右机翼的基础模板,进一步将各个部分的模板旋转,得到不同角度下的机身和机翼模板,数学表达式为:;
上式的矩阵形式还能表示为:
;
式中:x和y表示旋转前任意机身和机翼模板中的像素点的横纵坐标;X和Y为旋转之后每个点的横纵坐标;和为旋转中心坐标;L、LA和依次为对应向量;旋转矩阵Rj的数学表达式为:;
S3.3通过最小化飞机模板系数,判断目标是否为飞机,其数学表达式为:;
式中:、和为机身、左机翼和右机翼的第k个模板的所有角度的模板向量组成的矩阵;、和为机身、左机翼和右机翼对于第k个模板的模板系数向量,当k个模板系数向量中只有一个模板系数向量的一个元素为1,同时机身和两个机翼对应的模板系数向量的角度较为接近时,判定目标为飞机,将该区域像素点标记为1,获得飞机掩膜图像,并标记为B。
5.根据权利要求1所述的基于超像素二次核几何特征的飞机识别与姿态估计方法,其特征在于,步骤S4所述的基于差分链码累积量,获取飞机主要结构拐点,包括下列步骤:S4.1计算步骤S3.3所得的飞机掩膜图像B所有非零点位置的梯度,梯度不为零的点被判定为边缘点,将所有的边缘点保存到Edge掩膜图像中,梯度计算的数学表达式为:;
式中:I为掩膜图像B的一个3×3区域,和为梯度计算核,数学表达式为:;
S4.2基于步骤S4.1所得的边缘掩膜图像Edge,获取飞机的Freeman链码,数学表达式为:;
式中:Or表示链码的方向数目,设置为8;和表示当前边缘点的X和Y坐标;和表示下一个边缘点的X和Y坐标,该边缘点选取的是距离当前边缘点最近的其他边缘点,将Freeman链码按顺序保存至FrM集合中;
S4.3基于步骤S4.2所得的Freeman链码,计算差分链码累积量,数学表达式为:;
式中:mod表示取余操作;p为累加系数;表示第i个边缘点的差分链码累积量,选取差分链码累积量最小的像素点作为拐点,并保存至拐点掩膜图像中。
6.根据权利要求4所述的基于超像素二次核几何特征的飞机识别与姿态估计方法,其特征在于,对步骤S3.3所得的飞机掩膜图像B进行腐蚀操作,获取飞机骨架,基于骨架进行飞机区域分割,找到距离飞机骨架中心最近的四个拐点,对飞机的三个主要区域进行分割,包括下列步骤:S5.1对步骤S3.3所得的飞机掩膜图像B进行腐蚀操作,获取飞机骨架掩膜图像Gu,如下式:;
式中:erode为腐蚀操作,会将二值图像形式的飞机掩膜图像的内容腐蚀至单像素宽度,为3×3的全1矩阵;
S5.2根据步骤S5.1所得的飞机骨架掩膜图像Gu,逐个计算飞机骨架点的相邻点个数,如下式:;
式中:Gu{i}为第i个点的3×3邻域,Lin(i)为该骨架点相邻点的数目,当相邻点数目大于等于3的时候,该骨架点为备选骨架中心点;
S5.3根据步骤S4.1所得的边缘掩膜图像Edge和步骤S5.1所得的飞机骨架掩膜图像Gu,计算并找到骨架中心点位置,数学表达式为:;
式中:GW为骨架的外边缘长度的1/2,Gu(i)表示骨架掩膜图像中的骨架中心候选点,Gm表示边缘与骨架相交的点的掩膜图像,也称为骨架末端掩膜图像,数学表达式为:;
式中:为矩阵对应元素相乘操作;
S5.4根据步骤S3.3所得的飞机掩膜图像B、步骤S4.1所得的边缘掩膜图像Edge、步骤S4.3所得的拐点掩膜图像和步骤S5.1所得的飞机骨架掩膜图像Gu,获取按区域分割结果标记的拐点掩膜图像QB,数学表达式为:;
式中:为矩阵对应元素相乘操作,Qu表示被骨架分割开的区域掩膜图像,数学表达式为:;
S5.5根据步骤S5.3所得的骨架中心向量Center和步骤S5.4所得的按区域分割结果标记的拐点掩膜图像QB,逐个计算拐点到骨架中心的距离,数学表达式为:;
式中:QB{i, pa}表示第pa个飞机区域的第i个拐点;表示向量的模;
S5.6根据步骤S5.5所得的各个区域边缘上的拐点到骨架中心的距离,获取距离骨架中心最近的四个拐点的数学表达式为:;
S5.7根据步骤S5.3所得的骨架中心Center和骨架末端掩膜图像Gm,进行骨架平行关系判别,数学表达式为:;
式中:·为矩阵点积;表示向量的模;ε为接近1的常数,设置为0.99;如果其中两个骨架末端点与骨架中心构成的向量平行,则对应的两段骨架为机身骨架,Gm中的另外两个骨架末端点,即左右机翼端点的坐标被保存标记为和;
S5.8根据步骤S4.2所得的Freeman链码,将步骤S5.6所得的距离骨架中心最近的拐点按照链码中的顺序顺次连接,只保留不经过机身骨架的连线,并将连线保存至分割线掩膜图像Line中;
S5.9根据步骤S3.3所得的飞机掩膜图像B、步骤S4.1所得的边缘掩膜图像Edge和步骤S5.8所得分割线掩膜图像Line,获取飞机的分割结果掩膜图像Seg及其包含的机身机翼区域,数学表达式为:。
7.根据权利要求6所述的基于超像素二次核几何特征的飞机识别与姿态估计方法,其特征在于,根据步骤S5.9所得的机身和机翼区域,获取区域角度,包括下列步骤:S6.1用单个二次核分布分别拟合步骤S5.9所得的机身和机翼区域,迭代计算二次核分布参数,如下式:;
式中:、、分别为第j个二次核分布的均值、先验概率和协方差矩阵;为表示像素点的向量;表示第i个像素点属于第j个分布的后验概率,计算如下式:;
式中:K表示分布的数目,为像素位置向量,为第j个分布的位置向量的均值,为协方差矩阵的2×2部分,为二次核分布的概率密度函数,计算如下式:;
S6.2对步骤S6.1所得的二次核分布的协方差矩阵进行特征分解,如下式:;
式中:为协方差矩阵的2×2部分;为特征值矩阵,为特征向量矩阵,其数学表达式为:;
S6.3根据步骤S6.2所得的特征向量矩阵,分别计算每个区域的角度特征,将机身、左机翼、右机翼角度分别记为,,,其中机身的角度特征就是飞机第一个姿态角,即偏航角,其数学表达式为:。
8.根据权利要求1所述的基于超像素二次核几何特征的飞机识别与姿态估计方法,其特征在于,计算机翼深度比以计算第一参考角,利用第一参考向量和机翼端点向量计算第二参考角,利用两个参考角,计算飞机的翻滚角,包含下列步骤:S7.1根据步骤S5.7所得的飞机左右机翼端点坐标,计算机翼深度比,数学表达式为:;
式中:x2、y2、x3和y3分别为飞机左右机翼端点在图像上的横纵坐标,x1和y1为飞机两机翼端点的中点在图像上的横纵坐标;
S7.2基于步骤S7.1所得的机翼深度比,计算第一参考角,数学表达式为:;
式中:f为相机焦距;
S7.3根据步骤S5.7所得的飞机左右机翼端点坐标,计算机翼端点向量,数学表达式为:;
S7.4根据步骤S6.3所得的机身角度,计算第一参考向量,即机身法向量,数学表达式为:;
S7.5根据步骤S7.3和步骤S7.4所得的机翼端点向量和机身法向量,计算第二参考角,数学表达式为:;
S7.6用翻滚角和俯仰角表示步骤S7.2所得的第一参考角和步骤S7.5所得的第二参考角,建立俯仰角与翻滚角的第一关系模型,计算翻滚角的表达式为:;
式中:为俯仰角;为翻滚角。
9.根据权利要求1所述的基于超像素二次核几何特征的飞机识别与姿态估计方法,其特征在于,计算左右机翼向量和机身向量的两个夹角,建立俯仰角与翻滚角的第二关系模型,计算俯仰角,包括下列步骤:S8.1根据步骤S6.3所得的机身、左机翼、右机翼角度、、,能计算左机翼、右机翼分别与机身的夹角,数学表达式为:;
S8.2利用机翼与机身实际夹角、翻滚角、俯仰角表示步骤S8.1所得的第三参考角,即左机翼与机身的夹角,数学表达式为:;
式中:表示左机翼二维向量的长度,数学表达式为:;
S8.3利用机翼与机身实际夹角、翻滚角、俯仰角表示步骤S8.1所得的第四参考角,即右机翼与机身的夹角,数学表达式为:;
式中:表示右机翼二维向量的长度,其长度近似等于,数学表达式为:;
S8.4联立步骤S8.2和S8.3所得的两个机翼机身夹角公式,获得俯仰角与翻滚角的第二关系模型,数学表达式为:;
S8.5根据步骤S8.4所得的第二关系模型,计算俯仰角,数学表达式为:。