领域知识水平集模型驱动的多维数据处理方法技术

本发明专利技术公开一种用于复杂场景领域知识水平集模型驱动的多维数据处理方法。针对复杂场景中所获得的有关于场景表观状态的数据，该方法能够造出由原始场景属性信息、场景特征信息两种基元所组成的多维数据空间。该空间中每个维度对应场景不同的属性或特征信息。在此基础上，基于领域知识对不同维度中的数据进耦合处理，提取有助于目标探测任务的指导信息。进而，将该指导信息同水平集模型融合，实现领域知识水平集模型驱动的多维数据处理方法，应用于复杂场景中的目标探测，能够克服高信号衰减及强噪声干扰复杂场景中目标信息衰减、目标‑背景对比度减弱的本质性困难。本发明专利技术方法能够准确的表征出目标位置，空间结构两种目标属性信息。

Multi-dimensional Data Processing Method Driven by Domain Knowledge Level Set Model

The invention discloses a multidimensional data processing method for knowledge level set model driven in complex scene domain. Aiming at the data about the appearance state of a scene obtained in a complex scene, this method can create a multi-dimensional data space composed of two primitives: the original scene attribute information and the scene feature information. Each dimension in the space corresponds to different attribute or feature information of the scene. On this basis, based on the domain knowledge, the data in different dimensions are coupled to extract the guidance information which is helpful to the target detection task. Furthermore, the guidance information is fused with the level set model to realize the multi-dimensional data processing method driven by the domain knowledge level set model, which can be applied to target detection in complex scenes. It can overcome the essential difficulties of target information attenuation and target-background contrast attenuation in complex scenes with high signal attenuation and strong noise interference. The method of the invention can accurately characterize two kinds of target attribute information, namely, target location and spatial structure.

【技术实现步骤摘要】
领域知识水平集模型驱动的多维数据处理方法
本专利技术涉及一种领域知识水平集模型驱动的多维数据处理方法，尤其涉及峰值信噪比小于40db的高信号衰减及强噪声干扰场景中一种利用水平集模型处理由场景多属性基元和多特征基元所组成的多维数据，以实现目标探测的方法，属于模式识别

技术介绍
在复杂场景中，由于光传播介质的高散射、强衰减特性，必然需要附加光源照准目标区域。其中，多源光学成分的互相叠加，包括自然平行背景光、天空光、场景散射光以及附加光，对目标探测任务造成强干扰。此外，复杂的背景噪声及衰弱的目标信息造成场景中峰值信噪比小于40db，更加剧了目标探测的困难性。这种复杂场景中的目标探测是模式识别领域尤其是机器视觉中的一项瓶颈性难题。由于复杂场景中所存在的上述问题，在信息获取上表现为目标信息微弱、目标-背景对比度低。现有技术难以在这种条件下准确探测出目标属性，如目标区域及目标轮廓结构等，也尚未有更新技术适用于峰值信噪比小于40db复杂场景中的目标探测任务。在复杂场景中目前的探测技术主要包括两种：一是针对人工设计的具有特定光学特性和表观特征的人造目标，二是针对自然目标。对于人工设计的目标，现有方法依赖于先验的模板信息，并通过模板匹配进而计算相似度以实现目标探测。这种方法的主要优势在于其较高的准确率，然而由于该类方法仅适用于特定的某种目标，方法的普遍适用性严重受限，更无法用于探测同背景高度混叠的自然目标。针对自然目标，现有技术常采用不同种类的预处理方法以试图恢复出原始目标信息并拉伸目标同背景间的对比度。这类技术的优势在于其较好的推广性、普遍适用于各类自然目标。然而，该类技术的不足在于其较低的探测准确性。由于预处理手段难以准确地恢复目标特征甚至会致使目标特征发生畸变，预处理阶段所产生的误差会传递至后处理阶段，最终导致自然目标探测结果产生严重偏离。鉴于上述现状并考虑到目标探测的应用需求，本专利技术公开了一种领域知识水平集模型驱动的多维数据处理方法，用于复杂场景中目标探测。在复杂场景中，常采用附加光源照准目标区域以提高目标的能见度。因此，附加光源的照准区域与目标区域相互重叠，且由于目标自身反射率差异附加光源的分布能够反映出目标空间结构信息。根据这一原理，构造峰值信噪比小于40db复杂场景中以场景的多属性基元和多特征基元所组成的多维数据，并处理以识别出附加光源的照准，形成对于目标探测的指导信息，并将这种指导信息同水平集模型相结合，指导其初始化和进化过程，使其最终收敛于目标区域，形成目标探测结果，准确地表征出目标位置，空间结构两种目标属性信息。
技术实现思路
专利技术目的：针对现有技术中存在的问题，本专利技术提供一种领域知识水平集模型驱动的多维数据处理方法，在光学信息峰值信噪比小于40db复杂场景中，构造以场景的多属性基元和多特征基元组成的多维数据，并通过不同维度数据间的耦合计算识别出附加光源的照准特性，包括照准区域及照准分布。以照准特性指导水平集模型，其中以照准区域指导水平集的初始化，以照准分布指导水平集进化。技术方案：一种领域知识水平集模型驱动的多维数据处理方法，包括：首先，构造光学信息峰值信噪比小于40db的复杂场景，以场景的多属性基元和多特征基元所组成的多维数据；随后，基于领域知识进行多维数据的耦合分析，建立不同维度数据间的相关性关系，提取照准特征；随后，根据领域知识及照准特征分析场景的照准特性，形成照准区域及照准分布，作为指导信息；最后，将指导信息同水平集模型相结合，以照准区域指导水平集的初始化过程，以照准分布指导水平集的进化过程。最终，使得领域知识水平集模型收敛至目标区域，输出目标位置，空间结构两种目标属性信息，作为目标探测结果。本专利技术采用上述技术方案，具有以下有益效果：1、抗干扰及噪声抑制能力强。能够有效减少复杂场景中场景信息的多源性及互扰性对目标探测的影响，抑制复杂场景中目标探测所面临的背景高噪声，并解决目标信息强衰减的问题，提高复杂场景中目标探测的准确性。2、系统复杂度显著下降。本专利技术方法不需要任何预处理方法的干预，显著降低了整体系统的结构及复杂度。附图说明图1是本专利技术所提出方法的流程图；图2是照准识别结果，其中：(a)照准区域，(b)照准分布；图3是领域知识水平集模型目标探测结果，其中：(a)指导下的初始化轮廓，(b)指导下进化终止函数，(c)目标区域，(d)目标结构轮廓。具体实施方式下面结合具体实施例，进一步阐明本专利技术，应理解这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围，在阅读了本专利技术之后，本领域技术人员对本专利技术的各种等价形式的修改均落于本申请所附权利要求所限定的范围。以光学信息峰值信噪比小于40db的水下复杂场景中目标探测任务为实施例。如图1所示，通过对水下场景信息的分解和计算，以多属性基元和多特征基元组成多维数据空间；其中属性基元主要包括对峰值信噪比小于40db水下复杂场景中的表观光学信息分解为红、绿、蓝三个信道上的属性信息，组成前三维数据；其中特征基元主要包括对光学信息峰值信噪比小于40db的水下复杂场景中的表观光学信息提取得到全局对比度、强度-位置关系、红色信道对比度、信道差特征，组成后四维数据；最终形成复杂场景的多维数据，完备表征复杂场景中的场景信息。其中，属性基元中红、绿、蓝三个信道上的属性信息表示为：x点处红色信道：x点处绿色信道：x点处蓝色信道：其中，x点为场景中空间中的点；分别对应多维数据空间的第一、二、三维，其中Ix为x点处原始场景信息，r,g,b分别代表三个信道；其中，特征基元中全局对比度信息的提取过程为：其中，为x和y点处强度值差的绝对值，计算为N为图像中的所有点集合，分别为x，y处的强度值，计算为第一、二、三维数据的均值：其中，特征基元中强度-位置关系的提取过程为：其中，D(x,m)为从点x到全局强度最大点m间的欧式距离，x＝[ξ1,γ1]和m＝[ξ2,γ2]分别为点x和m的空间坐标。其中，特征基元中红色信道对比度的提取过程为：其中，为x和y点处红色信道差的绝对值，计算为N为图像中的所有点集合，和分为x和y点处红色信道的值，对应多维数据空间中第一维数据。其中，特征基元中信道差的提取过程为：其中，是点x处r*g*b三个信道同均值的方差，通过对多维数据空间中第一、二、三维数据计算得到；最终，场景的多维数据可以表征为：其中为场景的多属性基元，为场景的多特征基元。如图1所示，基于领域知识的多维数据的耦合分析，建立多维数据空间中不同维度数据间的相关性关系，形成照准特征，其中领域知识及照准特征的形式化表征分别为：领域知识1：全局对比度同强度位置关系成反比例关系：在照准区域中，全局对比度越大的点必然越靠近于全局强度最大点，通过对多维数据空间中第四、五维数据息互相计算得到：corr2(Ci,(1-Dd))(7)其中，corr2()为二维矩阵的互相关计算，Ci，Dd分别为由所组成的矩阵；领域知识2：全局对比度同红色信道间成正比例关系：在照准区域中，全局对比度同红色信号的对比度保持一致，通过对多维数据空间中第四、六维数据互相关计算得到：corr2(Ci,Cr)(8)其中，Cr为由所组成的矩阵；领域知识3：全局对比度同信道差成反比例关系：在照准区域中，全局对比度越大的点上的信道差越小，通过对本文档来自技高网...

【技术保护点】
1.一种领域知识水平集模型驱动的多维数据处理方法，其特征在于，考虑到峰值信噪比小于40db的高信号衰减及强噪声干扰复杂场景中场景信息的多源性及互扰性，并针对复杂场景中目标探测所面临的背景高噪声、目标强衰减的问题，利用复杂场景中所获得的有关于场景表观状态的数据，包括：首先，通过对场景信息的分解和计算，以场景多属性基元和多特征基元组成多维数据空间；然后，利用领域知识模型对多维数据空间中不同维度上的数据进行耦合分析，得到附加光源的照准特征；然后，根据附加光源照准特征以及判决准则分析场景的照准特性，主要包括照准区域和照准分布；最后，以附加光源的照准区域指导水平集的初始化：将照准区域的边缘作为水平集的初始化轮廓；以附加光源的照准分布指导水平集的收敛过程：平滑非目标区域的纹理特征，凸显出目标边缘，构造出水平集进化停止函数，以此指导水平集的进化最终收敛至目标边缘区域；上述初始化轮廓及进化停止函数应用于基于水平集的目标探测，输出目标位置，空间结构两种目标属性信息。

【技术特征摘要】
1.一种领域知识水平集模型驱动的多维数据处理方法，其特征在于，考虑到峰值信噪比小于40db的高信号衰减及强噪声干扰复杂场景中场景信息的多源性及互扰性，并针对复杂场景中目标探测所面临的背景高噪声、目标强衰减的问题，利用复杂场景中所获得的有关于场景表观状态的数据，包括：首先，通过对场景信息的分解和计算，以场景多属性基元和多特征基元组成多维数据空间；然后，利用领域知识模型对多维数据空间中不同维度上的数据进行耦合分析，得到附加光源的照准特征；然后，根据附加光源照准特征以及判决准则分析场景的照准特性，主要包括照准区域和照准分布；最后，以附加光源的照准区域指导水平集的初始化：将照准区域的边缘作为水平集的初始化轮廓；以附加光源的照准分布指导水平集的收敛过程：平滑非目标区域的纹理特征，凸显出目标边缘，构造出水平集进化停止函数，以此指导水平集的进化最终收敛至目标边缘区域；上述初始化轮廓及进化停止函数应用于基于水平集的目标探测，输出目标位置，空间结构两种目标属性信息。2.如权利要求1所述的一种领域知识水平集模型驱动的多维数据处理方法，其特征在于：以多属性基元和多特征基元组成多维数据空间；其中属性基元主要包括对原始场景信息分解为红、绿、蓝三个信道上的属性信息，组成三维数据；其中特征基元主要包括对原始场景信息提取全局对比度、强度-位置关系、红色信道对比度、信道差特征，组成四维数据；最终形成多维数据，完备表征复杂场景中的场景信息。3.如权利要求1所述的一种领域知识水平集模型驱动的多维数据处理方法，其特征在于：属性基元中红、绿、蓝三个信道上的属性信息表示为：x点处红色信道：x点处绿色信道：x点处蓝色信道：其中，x点为场景中空间中的点；分别对应多维数据空间中的第一、二、三维，其中Ix为x点处原始场景信息，r,g,b分别代表三个信道；特征基元中全局对比度信息的提取过程为：其中，为原始场景x和y点处强度值差的绝对值，计算为N为图像中的所有点集合，分别为x，y处的强度值，计算为多维数据空间中第一、二、三维数据的均值：特征基元中强度-位置关系的提取过程为：其中，D(x,m)为从点x到全局强度最大点m间的欧式距离，x＝[ξ1,γ1]和m＝[ξ2,γ2]分别为点x和m的空间坐标；特征基元中红色信道对比度的提取过程为：其中，为x和y点处红色信道差的绝对值，计算为N为图像中的所有点集合，和分为x和y点处红色信道的值，对应多维数据空间中第一维；特征基元中信道差的提取过程为：其中，是点x处r*g*b三个信道同均值的方差，通过对多维数据空间中第一、二、三维数据计算得到；最终，场景的多维数据可以表征为：4.如权利要求1所述的一种领域知识水平集模型驱动的多维数据处理方法，其特征在于：基于领域知识进行多维数据的耦合分析，建立不同维度数据间的相关性关系，形成照准特征；领域知识及照准特征的形式化表征分别为：领域知识1：全局对比度同...

【专利技术属性】
技术研发人员：陈哲，徐立中，黄晶，李臣明，王峰，张丽丽，石爱业，高红民，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32