申请/专利权人：南京信息工程大学滨江学院

申请日：2020-12-25

公开（公告）日：2024-04-16

公开（公告）号：CN112598069B

主分类号：G06V20/10

分类号：G06V20/10;G06N3/0464;G06T7/11;G06T7/20

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.04.23#实质审查的生效;2021.04.02#公开

摘要：本发明提供了一种基于特征提取和权重系数参数更新的高光谱目标跟踪方法，首先利用基于多维缩放和主成分分析的联合光谱降维方法对原始高光谱图像序列进行降维处理；然后分别提取降维处理后得到的图像序列的四对特征，将四对特征进行融合；并将融合后的特征送入核相关滤波器，得到四个基于第一到第四个特征的弱响应图；并利用权重系数对弱响应图进行加权得到强响应图；将强响应图中最大值位置作为目标的位置；并对权重系数进行更新。本发明克服了现有技术中计算量大，实时性差的缺点，使得本发明提高了复杂背景下高光谱图像序列中目标跟踪的速度，并且当目标出现形变和遮挡时有较好跟踪效果。

主权项：1.基于特征提取和权重系数参数更新的高光谱目标跟踪方法，其特征在于，包括如下步骤：步骤一、载入高光谱图像序列的第一帧图像，并对高光谱图像序列的第一帧图像进行预处理；步骤一具体通过以下步骤实现：S101、读入高光谱图像序列第一帧图像；S102、用矩形框框出高光谱图像序列第一帧图像中待跟踪目标图像区域，并将待跟踪目标图像区域作为第一帧图像的基样本，将待跟踪目标图像区域的形心位置作为待跟踪目标的初始位置，在待跟踪目标图像区域周围选择搜索区域，将搜索区域与待跟踪目标图像区域的差值作为背景图像区域；S103、设置初始化参数；步骤二、对高光谱图像序列的第一帧图像进行基于多维缩放的光谱降维操作，得到光谱降维后选定通道的高光谱图像序列；步骤二具体通过以下步骤实现：S201、载入高光谱图像序列的第一帧图像；S202、按照下式，对高光谱图像序列的第一帧图像进行基于多维缩放的光谱降维操作得到光谱降维后选定通道的高光谱图像序列：Drj＝|Rtj-Rbj|其中，Drj表示第j个光谱波段内目标图像区域和背景图像区域内所有像素的平均光谱响应差值，Rtj表示第j个光谱波段内目标图像区域内所有像素的平均光谱响应曲线，Rbj表示第j个光谱波段内背景图像区域内所有像素的平均光谱响应曲线；将Drj最大值所对应的光谱波段作为光谱降维后选定通道的高光谱图像序列；步骤三、从高光谱图像序列的第二帧图像开始，依次载入第T帧图像作为当前帧原始图像，对当前帧原始图像进行基于主成分分析的光谱降维操作，得到光谱降维后融合通道的高光谱图像序列；T为大于等于2的整数；步骤四、将光谱降维后选定通道的高光谱图像序列中的第T帧图像，与光谱降维后融合通道的高光谱图像序列中的第T帧图像，组合成当前帧图像对；步骤五、提取当前帧图像对的SURF特征融合后作为第一个特征，然后提取当前帧图像对的三个深度特征分别融合后，作为第二到第四个特征；步骤五具体通过以下步骤实现：S501、提取当前帧图像对的SURF特征融合后作为第一个特征；S502、利用VGG-19网络对当前帧图像对提取深度特征，并将一对VGG-19网络中第三卷积组的第四层融合后作为第二个特征，第四卷积组的第四层融合后作为第三个特征，第五卷积组的第四层融合后作为第四个特征；步骤六、利用第一到第四个特征以及核相关滤波跟踪器计算得到四个基于第一到第四个特征的弱响应图；步骤六具体通过以下步骤实现：S601、将基于第一个特征的基样本进行循环位移然后得到高阶压缩矩阵X1；S602、按照下式，将X1进行对角化： 其中，F·表示做傅里叶变换操作，diag·表示对角化操作，x1表示图像块，表示x1的傅里叶变换，H·表示求厄米特矩阵操作；S603、按照下式，计算基于第一个特征的基样本的核相关滤波分类器的回归系数ω1： 其中，F-1·表示傅里叶逆变换操作，λ表示大小为0.01的正则化参数，y1表示回归值，表示y1的傅里叶变换；S604、按照下式，将ω1映射到高维特征空间： 其中，α1表示基于第一个特征的目标图像区域的核相关滤波分类器的参数，表示映射操作；S605、按照下式，利用循环矩阵计算α1； S606、按照下式，计算基于第一个特征的弱响应图R1： 其中，z1表示基于第一个特征的目标图像区域的测试基样本；S607、重复步骤S601至S606，计算得到基于第二到第四个特征的弱响应图R2到R4；步骤七、利用四个基于第一到第四个特征的弱响应图分别计算得到第一到第四个特征的权重系数；步骤八、利用第一到第四个特征的权重系数对四个基于第一到第四个特征的弱响应图进行加权平均运算，得到一个强响应图，并将强响应图中最大值位置作为目标的位置；步骤九、对第一到第四个特征的权重系数的参数进行自适应更新；重置第四个特征的权重系数；步骤十、判断当前帧原始图像是否为高光谱图像序列的最后一帧图像，如果是则完成跟踪；如果不是则返回到步骤三，继续载入后续帧图像进行跟踪。

全文数据：

权利要求：

百度查询： 南京信息工程大学滨江学院 基于特征提取和权重系数参数更新的高光谱目标跟踪方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD