模拟复眼视觉机制和偏振成像的水面目标运动检测方法

摘要

本发明公开一种模拟复眼视觉机制和偏振成像的水面目标运动检测方法，分为偏振图像采集计算、仿生目标检测及仿生运动目标匹配三个步骤。采用仿蜻蜓复眼视觉机制的仿生学方法实现对水面目标的检测及跟踪，在计算的过程中将场景及目标信息转换为以脉冲序列形式表征的“压缩传感”特征。随后的目标检测及目标匹配跟踪均基于该脉冲序列进行，利用脉冲的响应时序及脉冲序列模式对场景中的多目标进行检测、匹配及跟踪，最终实现对目标运动的检测并对其运动矢量的估计。本发明能够稳定、可靠地用于复杂水面光学环境下的水面目标运动检测，且运算效率较高。

主权项

一种模拟复眼视觉机制和偏振成像的水面目标运动检测方法，其特征在于：首先通过在图像传感器前加装光谱滤光片及偏振滤波片组成特定光谱段的偏振成像系统，在水面目标检测，采集偏振度图像；根据三通路偏振成像技术采用三组偏振水面成像系统，并利用偏振图像配准技术及Stokes模型进行计算，形成融合偏振度图像，增强水面目标与水面背景间的光学信息对比；随后，采用仿生技术，以重叠捆绑的多个局部窗口构建虚拟的小眼群，通过小眼群滑动扫描式地模拟复眼结构中若干只小眼对融合偏振度图像进行重叠采样，读取偏振度信息；随后，利用仿蜻蜓视觉中的大场景、小场景系统对水面场景压缩传感和表征，利用仿池细胞调度LF、SF信道，将虚拟小眼群所获偏振度信息模拟转换生成脉冲序列，形成水面运动目标的敏感性特征，作为对水面场景中不同目标运动检测的依据；最后，基于脉冲序列特征进行仿生目标匹配以实现运动矢量估计；利用水面偏振图像配准技术及Stokes模型进行计算，形成融合水面偏振度图像，具体是指：采用基于Harris角点的特征点匹配算法，将同一时刻所拍摄的水面三角度偏振图像进行像素级的配准；在此基础上，利用Stokes方程计算图像中每个像素点所对应的偏振度信息，得到一帧偏振度图像；采用改进的Harris算子进行图像配准；应用Harris算法进行图像配准过程可以分为以下几步：(1)计算图像中每个像素点在水平和垂直方向上的梯度f_x和f_y，以及两者乘积，得到M：$M=\left[\begin{array}{cc}{f}_x^2& f_x{f}_y\\ f_x{f}_y& f_y^2\end{array}\right]$(2)对图像进行高斯滤波，得到滤波后的M，离散二维零均值高斯函数为：$Gauss=\exp \left(-\frac{(x^2+y^2)}{2{\sigma }^2}\right)$其中(x，y)为图像像素点的坐标，σ为高斯函数的方差系数；(3)计算图像上每个像素点的兴趣值R：R＝[f_x²×f_y²‑(f_xf_y)²]‑k[f_x²+f_y²]²其中，k典型的取值范围为0.04～0.06；(4)选取局部极值点；Harris检测算法中，特征点就是局部范围内的极大兴趣值对应的像素点；(5)选取适当的阈值T，选择为T＝400～700，选择150～200角点数；基于Harris角点的图像配准分为以下步骤：首先为提取出的角点构造一个方向，取特征点邻域内各像素点梯度方向最大像素点的方向作为Harris角点点的方向，这里我们取邻域大小为3×3；Harris特征描述子的具体过程如下：(1)根据构造的Harris特征点方向为特征点建立坐标系；(2)对图像进行滤波生成尺度空间，得到不同尺度的图像，取Harris特征点16×16像素邻域，再将此领域分为4个相同的子区域，计算每个子区域的梯度方向，均匀分为8个方向；(3)对这8个方向梯度进行排序，得到一个128维的特征向量，即为Harris特征描述向量；通过上述步骤，可以得到Harris角点的描述子通过计算左右图像特征点描述向量的相似性判断两点是否为匹配点。