一种图像匹配系统的异源测试图像标定方法
【技术领域】
[0001] 本发明涉及一种图像处理系统性能评估技术领域，具体地说是一种图像匹配系统 的异源测试图像标定方法。
【背景技术】
[0002] 近些年来，图像处理系统得到了迅猛的发展，伴随着大量算法的提出和改进，许多 学者利用不同的图像库分析测试了各种处理算法，但如果图像处理系统工作在未知环境下 时，仍然无法保证系统功能的正常实现，尤其是在较难获取同源场景测试图像条件下，如果 利用其他体制的图像也能够实现评估与测试的目的，这对图像处理系统的评估和优化系统 功能意义重大。
[0003] 在分析评价匹配系统时，通常分成以下两步：
[0004] (1)获取影响系统性能的有关图像质量的统计特征量；
[0005] (2)建立图像的统计特征量与系统性能之间的相互关系的数学模型。
[0006] 系统的性能评价方法一般采用响应函数模型方法。它是用一组有限的实验数据拟 合特定的数学模型。对图像处理系统，不需要考虑系统的内部结构，而是从整体上建立匹配 系统的输入与输出的函数关系。即：
[0007] Pm = Pm (Ρ, Μ)
[0008] 式中，Pm为匹配系统的性能，；Ρ为匹配系统的参数；Μ为输入图像的图像质量指 标。
[0009] 图像度量方法可以从不同的角度分类，依据视觉系统的不同，可以分为基于人眼 视觉和基于机器视觉。根据目标大小，可以分为小目标图像和大目标图像。依据提取的图像 特征，可以分为基于灰度统计、边缘、纹理和变换域等特征。总体可将度量方法分为五种：
[0010] (1)特定目标度量，表征目标与场景中其他物体相区别的特征，如目标灰度分布特 征，灰度共生矩阵等方法；
[0011] (2)目标/局部背景图像度量，表征了匹配系统初始探测目标并标记为感兴趣区 域，以及从背景中提取目标的能力，如Wilson提出的平方和根（RSS)度量，Silverman提出 的目标干扰比尺度方法。
[0012] (3)全局目标显著性度量，表征了测定整个图像与感兴趣目标相似的程度，可以用 来评估由于图像中存在于目标相似的特征，导致目标识别系统产生虚警的可能，如常红花 提出基于统计方差杂波尺度的计算思路，Toet利用Search2数据库研究目标结构相似尺度 与人眼识别目标性能之间的关系。
[0013] (4)全局图像度量，描述图像整体的结构和信息内容，不使用任何目标信息，以免 破坏其全局整体性特征，如Schmieder等提出的红外背景杂波量化尺度SV，杨磊等提出基 于加权信息熵的红外背景复杂程度定量描述指标。
[0014] (5)复合度量，由相关的多种局部或全局度量尺度综合组成的复合度量尺度，如 Rotman等将共生矩阵杂波尺度和边缘概率杂波尺度线性组合形成复合度量参数。
[0015] 红外图像与可见光图像之间存在差异，如：
[0016] (1)可见光图像对比度相对较高，它由反射率和阴影决定。红外图像对比度由发射 率和温度决定，对比度相对较低，且可以在很大的一个范围内变化。
[0017] (2)红外图像和可见光图像的成像机理不同，导致两者图像特征具有不同的灰度 值，在红外图像中出现的特征并不一定在可见光图像中也出现。
[0018] (3)红外图像的空间相关性较大，红外图像中景物表面的纹理信息较差，可见光图 像能反映出目标表面的纹理细节信息，有纹理信息可供利用。
[0019] 但两种异源图像还是有相似之处，使用条件可总结如下几点：
[0020] (1)在可见光和红外图像中处在同一位置；
[0021] (2)在图像中均匀分布；
[0022] (3)位于高对比度区域。
[0023] 因此，目前的图像匹配系统多数工作在红外成像体制上，对于图像匹配系统的事 前测试与评估，都是采用同源测试图像来标定完成，即红外图像序列。但在实际的未知环境 中，同源的红外图像序列很难获取，而可见光的异源图像是非常容易获取的，如卫星图像、 航拍图像，如果能够使用未知环境中的可见光图像作为测试图像序列，完成图像匹配系统 的测试与评估，这就需要对可见光图像与红外图像之间的关联性进行标定，从前面叙述的 相关研究成果来看，异源图像的分析只是单纯对比灰度、特征等关联信息，没有同匹配系统 的性能指标建立关联，不适用匹配系统的测试与评估，而适用于异源图像测试与评估的标 定方法还没有相关成果发表。
【发明内容】
[0024] 针对现有技术的不足，本发明提供一种图像匹配系统的异源测试图像标定方法， 该标定方法基于异源图像相似性原理，不仅分析与建立了异源图像的内在相似性指标，更 结合了图像匹配系统的性能评估指标，建立可见光图像与红外图像之间的关联性，通过红 外图像的匹配系统性能指标来标定可见光图像序列，并设计一套步骤清晰、完整的异源图 像标定技术路线，此方法保证在匹配系统工作在未知环境中，可以利用标定后的可见光图 像完成匹配系统的测试与评估，保障图像匹配系统顺利完成任务。
[0025] 本发明为实现上述目的所采用的技术方案是：一种图像匹配系统的异源测试图像 标定方法，包括以下步骤：
[0026] 步骤1 :建立可见光图像和红外图像序列的相似特征指标候选集合；
[0027] 步骤2 :利用灰色关联度分析方法度量异源图像候选集合中各个特征的相似性， 并依此对相似特征指标集合进行关联程度排序，选取相似特征向量；
[0028] 步骤3 :根据基于Canny算子的边缘特征提取算法的阈值参数，选取不同参数，计 算并划分特征值组合，形成标定测试试验方案；
[0029] 步骤4:分别统计光电成像匹配系统对可见光图像和红外图像的匹配率，依据红 外图像输出的匹配率结果进行分级，标定对应的可见光图像特征值范围。
[0030] 所述灰色关联度分析方法包括：
[0031] 步骤1 :确定反映系统行为特征的参考数列和影响系统行为的比较数列；
[0032] 步骤2 :对参考数列和比较数列进行无量纲化处理；
[0033] 步骤3 :求参考数列与比较数列的灰色关联系数ξ (XJ :
[0034]
[0035] 其中AM(k)为各比较数列Xi曲线上的每一个点与参考数列X。曲线上的每一个 点的绝对差值，Δ (min)为两级最小差，Δ (max)为两级最大差，P为分辨系数，P >0 ;
[0036] 步骤4 :求关联度&
其中N为一组测试图像序列的图像总 数；
[0037] 步骤5 :将子序列对同一母序列的关联度按大小顺序排列起来，组成关联排序。
[0038] 所述根据基于Canny算子的边缘特征提取算法的阈值参数，选取不同参数，计算 并划分特征值组合，形成标定测试试验方案包括以下过程：
[0039] 选取Canny特征提取算法的不同阈值参数，改变每幅异源测试图像所包含的特征 信息，获取图像对应的特征取值区间，得到多个特征的不同特征取值组合；
[0040] 不同特征取值组合的测试图像形成测试试验所需要的图像序列，进行匹配成功率 的测试试验。
[0041] 所述测试图像没有覆盖的特征区间被视为无效取值区间而筛除掉。
[0042] 所述统计光电成像匹配系统对可见光图像和红外图像的匹配率包括以下过程：
[0043] 将不同特征信息的红外测试图像作为图像序列，并根据特征的取值区间进行图片 分类，形成不同特征等级的图像测试集合；
[0044] 分别使用不同特征等级的图像测试集合，测试匹配系统并统计其输出结果，记录 不同特征等级的匹配成功概率。
[0045] 所述依据红外图像输出的匹配率结果进行分级包括以下过程：
[0046] 建立红外测试图像的不同特征等级与匹配成功概率的一一对应关系；
[0047] 根据可见光和红外图像的相似特征矢量，计算可见光图像的特征值；
[0048] 根据特征值的取值区间选取相同特征取值的红外图像匹配成功率。
[0049] 本发明具有以下有益效果及优点：
[0050] 1.本发明方法采用图像特征分析方法，找到异源图像的相似性特征向量，并利用 特征提取算法中单一参数的不同取值对应划分各个特征的取值范围，可以有效减少特征的 无用数据区间，准确定位影响匹配系统性能的有效区域，同时输出异源测试图像标定分析 试验；
[0051] 2.本发明方法采用计算各个特征取值区间的图像匹配系统在红外图像序列中的 匹配成功概率，并划分多个等级，来标定对应条件下可见光图像序列的特征集合，等价于可 见光图像标定，则标定后的可见光图像的特征取值可直接对图像匹配系统进行性能预测评 估，实现异源图像的性能测试与评估。
【附图说明】
[0052] 图1为本发明的整体流程图；
[0053] 图2为本发明的可见光与红外图像特征图，其中（a)为红外图像特征图，（b)可见 光图像特征图；
[0054] 图3为本发明的异源图像相似指标的分级结果图。
【具体实施方式】
[0055] 下面结合附图及实施例对本发明做进一步的详细说明。
[0056] 如图1所示，本发明图像匹配系统的异源测试图像标定方法包括以下步骤：
[0057] (1)建立可见光图像和红外图像的相似特征指标候选集合；
[0058] (2)利用灰色关联度分析法度量各个特征的相似性，并依相似性的高低对特征指 标排序，选取高相似性的特征指标；
[0059] (3)采用Canny特征提取算法的不同参数，计算不同的特征值组合，形成试验方 案；
[0060] (4)均匀划分各个特征值的取值范围，统计各个范围下光电成像匹配系统对红外 图像的匹配率，依据红外图像输出的匹配率结果进行特征分级，同时标定对应的可见光图 像特征值范围，结束标定过程。
[0061] 所述的可见光图像和红外图像序列的相似特征指标候选集合的建立过程为：根据 图像度量的各类指标，结合红外与可见光图像的相似原则，选取的特征指标如表1所示。选 取特征指标候选集合的是在考虑异源图像的条件下完成的，不同于以往的单一体制图像特 征度量与分析，保证可见光图像和红外图像的具有的共同的特征信息，包括灰度分布特征、 信息熵、局部目标/背景对比度、全局显著性度量等。
[0062] 表1相似特征候选表
[0063]
[0064] 灰色关联度分析