【技术实现步骤摘要】
本专利技术涉及一种基于显著轮廓匹配的恶劣成像环境中的目标测量方法，属于图像处理以及计算机视觉。
技术介绍
1、目标测量是指对目标的尺寸、形状、位置等进行测量。在计算机视觉中，目标测量是一个重要的分支，它涉及到对图像或多维数据中的目标进行测量，用于从图像或多维数据中获取信息，以帮助做出决策。目标测量在计算机视觉中具有重要的地位和作用。它为许多应用提供了基础，如自动驾驶、机器人导航、工业质检等。通过目标测量，计算机可以理解和解释图像中的内容，从而实现更智能的决策和行为。
2、恶劣环境中的探测是目标测量的重要内容，但恶劣成像环境后向散射效应严重，会导致光学图像中出现强烈的背景噪声，使得目标特征湮没其中、难以有效提取，给恶劣环境感知带来了巨大的挑战。自然环境中存在大量泥土、砂砾等悬浮颗粒，恶劣光学图像信息衰减严重，可视距离大幅缩短。在浑浊介质中，大量的散射微粒不仅会降低目标成像的对比度，还将引入大量的噪声，使得目标表面的纹理等细节信息大量损失，无法为立体匹配提供可靠的颜色、纹理等特征信息，导致三维信息感知失败，传统的目标测量方法无法进行恶劣成像环境中目标的尺寸测量。
技术实现思路
1、本专利技术提供了一种基于显著轮廓匹配的恶劣成像环境中的目标测量方法，解决了恶劣成像环境中现有目标测量结果精确度不足的问题。
2、为了解决上述技术问题，本专利技术所采用的技术方案是：
3、基于显著轮廓匹配的恶劣成像环境中的目标测量方法，具体包括以下步骤：
4、步骤
5、步骤2)基于局部与全局联合约束的恶劣环境成像复原，分别对左目图像与右目图像进行复原处理，建立全局与局部联合约束的背景光估计模型，去除成像环境中介质的散射效应，获得复原左目图像与右目图像
6、步骤3)基于重构残差的目标检测：分别对复原后的左目图像与右目图像进行处理，通过构建堆叠降噪自编码器网络对原始图像进行学习，根据网络重构图像与原始图像之间的残差，获取左目图像与右目图像的目标定位预测图ol与or；
7、步骤4)基于轮廓线匹配的目标尺寸测量：分别提取左目图像与右目图像中目标的轮廓线，联合形状上下文特征向量与局部外观特征向量，构建轮廓点的特征匹配描述符，通过最小化匹配代价对两组轮廓线进行立体匹配，结合标定内外参数，对轮廓线进行三维重建，并完成关键尺寸的测量。
8、进一步的，所述步骤2)具体包括以下步骤：
9、21)输入原始图像is,s∈{l,r}；
10、22)确定is中最佳的全局背景光颜色值，在rgb空间中设定一组背景光候选坐标和一组雾线，通过背景光与雾线的候选值对图像强度值进行拟合，通过寻找与图像本身强度值最接近的拟合参数实现全局背景光的准确估计，确定最佳的全局背景光颜色值其中，分别表示全局背景光的红色通道值、绿色通道值与蓝色通道值；
11、23)利用对比度感知自适应确定is中局部背景光估计图像块尺寸，进行局部背景光的估计其中，分别表示局部背景光的红色通道值、绿色通道值与蓝色通道值；
12、24)对全局背景光颜色值与局部背景光进行联合约束，获取背景光优化图；以全局背景光通道间的比值为基准，对局部背景光数值进行修正，得到全局与局部联合约束的背景光优化图其中，分别表示背景光优化图中局部背景光的红色通道值、绿色通道值与蓝色通道值；具体计算方式为：
13、其中，avg(·)表示对矩阵内的值求平均；
14、采用高斯核函数对局部获取的背景光图像进行滤波，获取平滑的局部背景光图其中，分别表示平滑局部背景光图中局部背景光的红色通道值、绿色通道值与蓝色通道值；
15、25)利用背景光优化图，结合雾线模型，计算透射率去除成像环境中介质的散射效应，获取复原图像
16、进一步的，步骤23)中局部背景光估计的具体步骤为：
17、231)采用对比度编码cci对图像内容进行检测：其中，ωi(x)∈is表示以x为中心坐标、大小为(2i+1)×(2i+1)的正方形图像块，i∈{1,2,...,7}；σ表示图像块ωi(x)内部的三个通道数值的标准方差；
18、232)根据cci值自适应确定局部背景光计算的图像块尺寸sr：其中，mp为图像块尺寸调节系数；
19、233)对于每个颜色通道c＝{r,g,b}，局部背景光的计算方式为：首先寻找图像is在图像块ωc中的最小强度图即暗通道图像；然后计算中图像块ψ＝2ωc内的最大强度值作为背景光图像，其数学表达形式为式中，x表示背景光图像中的坐标，y表示中的空间坐标，z表示输入图像i中的空间坐标。
20、进一步的，步骤25)中计算透射率并获取复原图像的具体步骤包括：
21、251)假设像素点x的初始透射率值为：其中，h表示雾线的总数量；
22、252)推导出透射率的下界值为每个像素的透射率增加下界约束条件，得到逐像素的透射率下界值
23、253)建立优化正则项目标函数通过最小化目标函数，获取优化的透射率图式中，σ(x)是按每条雾线计算出的标准差，nx表示像素x的四邻域像素，λ表示权衡数据项和平滑度的常数项参数，取值为0.1；
24、254)将精确估计的背景光与优化后的透射率图代入恶劣成像模型，得到去除恶劣散射模糊的复原图像
25、进一步的，步骤3)中的基于重构残差的目标检测，采用基于堆叠降噪自编码器的图像重建模型；该模型用于对原始图像的图像块进行学习与重构，检测重构图像中的尺度不变特征，作为堆叠去噪自编码网络自训练的约束条件，并将重构后的图像与原始图像之间的残差图作为目标定位结果；采用的堆叠降噪自编码器网络sdae呈对称结构，由4个降噪自编码器dae组成，设置有4个编码器层与4个解码器层，分别用于提取样本数据的特征并根据特征进行数据重构；每个编码器与解码器的参数权重仅限于当前层的计算使用，且编、解码过程均逐层进行，即第i层的输出将作为第i+1层的输入进行进一步处理。
26、进一步的，所述步骤3)具体包括以下步骤：
27、31)将复原后的左目图像与右目图像输入基于堆叠降噪自编码器的图像重建模型；
28、32)从输入图像中随机选取若干图像块作为网络输入，采用深度置信网络dbn进行训练，将生成的网络参数作为sdae网络的初始化参数，并通过训练每个降噪自编码器不断更新权重和偏差值；
29、33)利用高斯差分模型分别提取原始图像与重构图像的尺度不变特征，计算两者间的尺度不变特征的差值为收敛代价，通过最小化重构代价完成sdae网络的训练过程；
30、34)计算重构图像与原始图像的残差作为目标定位区域，利用训练好的sdae网络参数对输入的原始图像进行稀疏重构，生成场景中目标定位预测图其中，表示本文档来自技高网...
【技术保护点】
1.基于显著轮廓匹配的恶劣成像环境中的目标测量方法，其特征在于：所述方法具体包括以下步骤：
2.根据权利要求1所述的基于显著轮廓匹配的恶劣成像环境中的目标测量方法，其特征在于，所述步骤2)具体包括以下步骤：
3.根据权利要求2所述的基于显著轮廓匹配的恶劣成像环境中的目标测量方法，其特征在于，步骤23)中局部背景光估计的具体步骤为：
4.根据权利要求2所述的基于显著轮廓匹配的恶劣成像环境中的目标测量方法，其特征在于，步骤25)中计算透射率并获取复原图像的具体步骤包括：
5.根据权利要求1所述的基于显著轮廓匹配的恶劣成像环境中的目标测量方法，其特征在于，步骤3)中的基于重构残差的目标检测，采用基于堆叠降噪自编码器的图像重建模型；该模型用于对原始图像的图像块进行学习与重构，检测重构图像中的尺度不变特征，作为堆叠去噪自编码网络自训练的约束条件，并将重构后的图像与原始图像之间的残差图作为目标定位结果；采用的堆叠降噪自编码器网络SDAE呈对称结构，由4个降噪自编码器DAE组成，设置有4个编码器层与4个解码器层，分别用于提取样本数据的特征并根据特
6.根据权利要求5所述的基于显著轮廓匹配的恶劣成像环境中的目标测量方法，其特征在于，所述步骤3)具体包括以下步骤：
7.根据权利要求6所述的基于显著轮廓匹配的恶劣成像环境中的目标测量方法，其特征在于，步骤32)中SDAE网络参数的初始化方式具体为：通过从均值为0且方差为0.1的高斯分布数据中随机选择数值来初始化网络节点参数；假设样本X定义为Xv＝(v1,v2,...,vm)，经过受限的玻尔兹曼机器RBM编码后得到n维样本Yh＝(h1,h2,...,hn)，编码过程遵循以下规则：
8.根据权利要求6所述的基于显著轮廓匹配的恶劣成像环境中的目标测量方法，其特征在于，步骤33)中SDAE网络的训练过程具体为：
9.根据权利要求1所述的基于显著轮廓匹配的恶劣成像环境中的目标测量方法，其特征在于，步骤4)具体包括以下步骤：
10.根据权利要求9所述的基于显著轮廓匹配的恶劣成像环境中的目标测量方法，其特征在于，步骤45)中计算浑浊恶劣目标的关键尺寸信息具体步骤如下：
...【技术特征摘要】
1.基于显著轮廓匹配的恶劣成像环境中的目标测量方法，其特征在于：所述方法具体包括以下步骤：
2.根据权利要求1所述的基于显著轮廓匹配的恶劣成像环境中的目标测量方法，其特征在于，所述步骤2)具体包括以下步骤：
3.根据权利要求2所述的基于显著轮廓匹配的恶劣成像环境中的目标测量方法，其特征在于，步骤23)中局部背景光估计的具体步骤为：
4.根据权利要求2所述的基于显著轮廓匹配的恶劣成像环境中的目标测量方法，其特征在于，步骤25)中计算透射率并获取复原图像的具体步骤包括：
5.根据权利要求1所述的基于显著轮廓匹配的恶劣成像环境中的目标测量方法，其特征在于，步骤3)中的基于重构残差的目标检测，采用基于堆叠降噪自编码器的图像重建模型；该模型用于对原始图像的图像块进行学习与重构，检测重构图像中的尺度不变特征，作为堆叠去噪自编码网络自训练的约束条件，并将重构后的图像与原始图像之间的残差图作为目标定位结果；采用的堆叠降噪自编码器网络sdae呈对称结构，由4个降噪自编码器dae组成，设置有4个编码器层与4个解码器层，分别用于提取样本数据的特征并根据特征进行数据重构；每个编码器与解码器的参数...
【专利技术属性】
技术研发人员：冯兴明，成云朋，王瀚，胥峥，柏晶晶，陆烨，郑杨，邓啸巍，丁亚杰，陈诚，吴燔，杨鑫泽，钱程蔚，高辉，
申请(专利权)人：国网江苏省电力有限公司盐城供电分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。