本發(fā)明屬于被動測距技術(shù)，特別是一種基于圖像處理技術(shù)的被動毫米波輻射成像系統(tǒng)測距方法。
背景技術(shù)：
：物理溫度高于絕對零度的物體都會向外輻射電磁波，當(dāng)物體被外界電磁波照射時，還會產(chǎn)生反射、散射、透射和吸收現(xiàn)象。物體物質(zhì)結(jié)構(gòu)不同，其對電磁波的輻射、散射和反射也具有差異。毫米波被動成像系統(tǒng)就是根據(jù)目標(biāo)輻射亮度溫度差異來分辨不同物體，進(jìn)而達(dá)到觀測場景成像目的。相比于紅外成像系統(tǒng)，被動毫米波輻射成像系統(tǒng)具有穿透煙霧及惡劣環(huán)境下工作的能力，但被動成像系統(tǒng)存在無法獲取目標(biāo)距離信息的缺點。隨著計算機技術(shù)的發(fā)展，人們開始用計算機處理圖像，除獲得更好的視覺信息外，依靠分析目標(biāo)圖像信息獲得距離信息的技術(shù)也引起了研究人員的廣泛關(guān)注。目前基于圖像處理的被動測距方法主要包括：(1)立體視覺測距方法，該方法由于采用成像系統(tǒng)左右擺放的方式，當(dāng)空間三維場景經(jīng)投影變?yōu)閳D像上的二維場景時，成像會發(fā)生不同程度的畸變，導(dǎo)致特征點匹配錯誤進(jìn)而造成較大的測距誤差。(2)圖像序列法，該方法跟蹤并分析運動圖像序列中目標(biāo)的穩(wěn)定特征尺寸，進(jìn)而獲取目標(biāo)的距離消息，但是存在需預(yù)先知道目標(biāo)尺寸大小的問題。(3)單目成像測距方法，該方法僅采用一臺成像系統(tǒng)對目標(biāo)場景進(jìn)行成像，需要對幾幅圖片進(jìn)行特征點的匹配，匹配誤差決定了測量結(jié)果的精度，多幅圖像進(jìn)行處理，需要耗費大量的計算時間。技術(shù)實現(xiàn)要素：本發(fā)明的目的在于提供一種基于圖像處理技術(shù)的被動毫米波輻射成像系統(tǒng)測距方法。實現(xiàn)本發(fā)明目的的技術(shù)方案為：一種基于圖像處理技術(shù)的被動毫米波輻射成像系統(tǒng)測距方法，包括以下步驟：步驟1，按照被動測距模型，將兩臺參數(shù)設(shè)置一致的被動毫米波輻射成像系統(tǒng)相對于目標(biāo)場景前后放置于一條直線上，通過兩臺被動毫米波輻射成像系統(tǒng)對同一個目標(biāo)場景成像，得到相應(yīng)的測量成像數(shù)據(jù)；步驟2，通過surf匹配算法分別提取出兩組測量成像數(shù)據(jù)中目標(biāo)場景匹配度最高的三個特征點；步驟3，分別計算特征點連通域的面積，通過被動測距模型計算得到目標(biāo)距離。本發(fā)明與現(xiàn)有技術(shù)相比，其顯著效果為：(1)本發(fā)明采用被動毫米波輻射成像系統(tǒng)，相較于光電和紅外成像系統(tǒng)，在云，霧，戰(zhàn)場煙塵，施放煙霧的惡劣環(huán)境中，仍能夠獲得很好成像結(jié)果。(2)本發(fā)明中的測距模型采樣前后分別放置成像系統(tǒng)的方式，所得目標(biāo)場景的成像結(jié)果不易產(chǎn)生畸變，且目標(biāo)場景的成像結(jié)果特征相似，有利于特征點的匹配，反演出更加準(zhǔn)確的測距結(jié)果。附圖說明圖1為本發(fā)明被動毫米波輻射成像系統(tǒng)測距方法的流程圖。圖2為基于輻射計成像系統(tǒng)的被動測距模型圖。圖3(a)和圖3(b)分別為兩臺輻射計成像系統(tǒng)的成像結(jié)果圖。圖4(a)和圖4(b)分別為Lxx和Lxy的框狀近似模板示意圖。圖5(a)和圖5(b)分別為兩臺輻射計成像系統(tǒng)經(jīng)頻域低通濾波處理后成像結(jié)果示意圖。圖6為圖像匹配點檢測的結(jié)果圖。具體實施方式結(jié)合圖1，本發(fā)明的一種基于圖像處理技術(shù)的被動毫米波輻射成像系統(tǒng)測距方法，包括以下步驟：步驟1，按照被動測距模型，將兩臺參數(shù)設(shè)置一致的被動毫米波輻射成像系統(tǒng)相對于目標(biāo)場景前后放置于一條直線上，通過兩臺被動毫米波輻射成像系統(tǒng)對同一個目標(biāo)場景成像，得到相應(yīng)的測量成像數(shù)據(jù)，成像結(jié)果如圖3(a)和圖3(b)所示；具體為：被動測距模型如圖2所示，設(shè)f為被動毫米波輻射成像系統(tǒng)的焦距，d1為前后兩臺成像系統(tǒng)的間隔距離，d為目標(biāo)與第一成像系統(tǒng)之間的距離，則目標(biāo)與第二成像系統(tǒng)之間的距離為d+d1；假定目標(biāo)的面積為P，在第一成像系統(tǒng)成像的圖像中為區(qū)域P1，在第二成像系統(tǒng)成像的圖像中為區(qū)域P2，那么根據(jù)小孔成像的基本模型有：聯(lián)合上述兩式可得被動測距模型為：步驟2，通過surf匹配算法分別提取出兩組測量成像數(shù)據(jù)中目標(biāo)場景匹配度最高的三個特征點；具體為：步驟2-1，對兩臺被動毫米波輻射成像系統(tǒng)成像數(shù)據(jù)進(jìn)行頻域低通濾波處理，采用頻域低通濾波處理后得到的圖像數(shù)據(jù)的矩陣Hessian行列式的值描述圖像數(shù)據(jù)中的特征點；步驟2-2，在尺度空間中通過非極大值抑制，找出圖像中特征值大于設(shè)定閾值且大于臨近點特征值的特征點；步驟2-3，對步驟2-2得到的特征點進(jìn)行描述并匹配，得到匹配度最高的三個特征點的位置。步驟3，分別計算特征點連通域的面積，通過被動測距模型計算得到目標(biāo)距離；具體為：步驟3-1，根據(jù)步驟2中得到的匹配點，分別計算三個匹配點在各自圖像中連通域的面積；步驟3-2，將連通域面積代入被動測距模型，解算出目標(biāo)距離。進(jìn)一步的，步驟2中通過surf匹配算法分別提取出兩組測量成像數(shù)據(jù)中目標(biāo)場景匹配度最高的三個特征點的具體方法為：第一步，特征點檢測(11)對兩臺被動毫米波輻射成像系統(tǒng)成像數(shù)據(jù)A1、A2進(jìn)行頻域低通濾波處理，所述成像數(shù)據(jù)A1、A2為輻射計探測到目標(biāo)場景的輻射強度，處理后的數(shù)據(jù)成像結(jié)果如圖5(a)、圖5(b)所示，利用Hessian矩陣行列式的值來檢測預(yù)處理后的圖像B1、B2中的特征點，對于圖像中某點X＝(x，y)，在X點的σ尺度上的Hessian矩陣定義如下：其中，Lxx(X，σ)、Lxy(X，σ)、Lyy(X，σ)分別為高斯二階偏導(dǎo)在X處與圖像的卷積，高斯二階偏導(dǎo)采用結(jié)構(gòu)如圖4(a)和圖4(b)所示的框狀濾波器近似；Hessian矩陣中Lxx(X，σ)、Lxy(X，σ)、Lyy(X，σ)分別采用如圖4(a)和圖4(b)所示的近似模板與圖像卷積的結(jié)果Dxx、Dyy、Dxy近似，其行列式為：det(Happrox)＝DxxDyy-(wDxy)2式中，w是權(quán)重系數(shù)，本具體實施方式取0.9，按照近似Hessian矩陣的行列式的公式，對圖像中每一點求取響應(yīng)并記錄下來，得到圖像B1、B2在σ尺度上的響應(yīng)圖；(12)利用不同尺度因子的框狀濾波器對預(yù)處理后的圖像數(shù)據(jù)B1、B2進(jìn)行處理，構(gòu)建圖像金子塔；初始尺度對應(yīng)的近似模板大小為9*9，采用初始尺度的近似模板與圖像數(shù)據(jù)B1、B2進(jìn)行卷積，得到尺度空間的第一層；接下來的層依次通過尺寸逐漸增大的模板與原始圖像做卷積獲得，每4個模板為一階(Octave)，本方法中取4階，相應(yīng)的模板大小為：Octave19152127Octave215273951Octave327517599Octave45199147195用S表示近似模板的尺度，依次用不同的尺度的模板對圖像數(shù)據(jù)A1，A2做卷積，在卷積的過程中采用步驟(11)中得到的近似Hessian矩陣Happrox的行列式計算在每一點的響應(yīng)，把這些響應(yīng)記錄下來，得到不同尺度σ對應(yīng)的響應(yīng)圖構(gòu)成3維尺度空間(x，y，S)；(13)在3維(x，y，S)尺度空間中每個3*3*3的局部區(qū)域里，進(jìn)行非最大值抑制，只有比臨近的26個點的響應(yīng)值都大的點才被選為特征點，把符合條件的點篩選為候選極值，同時記下位置與尺寸信息(xi，yi，Si)，其中i為點的個數(shù)，Si為該特征點對應(yīng)的尺度；第二步，特征點描述(21)利用第一步中得到的特征點的位置與尺寸信息(xi，yi，Si)，對于每個特征點，以其位置(x，y)為圓心，以6S為半徑的圓形領(lǐng)域里，用尺寸為4S的Harr小波模板對圖像進(jìn)行處理，得到x，y兩個方向的Haar小波響應(yīng)；然后用以特征點為中心的高斯函數(shù)(σ＝2S)對這些響應(yīng)進(jìn)行加權(quán)；(22)用一個圓心角為π/3的扇形以特征點為中心環(huán)繞一周，計算該扇形處于每個角度時，它所覆蓋圖像中點的Haar小波響應(yīng)之和；由于每一點都有x，y兩個方向的響應(yīng)，因此扇形區(qū)域中所有點的響應(yīng)之和構(gòu)成一個矢量；記錄扇形區(qū)域環(huán)繞一周所形成的矢量，取長度最大的矢量，其方向即為該特征點所對應(yīng)的方向；(23)以第一步中得到的特征點為中心的正方形鄰域，該鄰域的邊長為20S，將步驟(22)中所確定的特征點方向作為該鄰域的Y軸方向，將該正方形區(qū)域分成4×4個子塊區(qū)域，在每一個子塊區(qū)域中用模板尺寸為2S*2S的Haar小波濾波器進(jìn)行處理，相對于特征點的方向，用dx表示水平方向的Haar小波響應(yīng)，用dy表示豎直方向的Haar小波響應(yīng)；構(gòu)建描述子向量之前，對于所有的dx、dy，均采用一個以特征點為中心的高斯函數(shù)加權(quán)，該高斯函數(shù)的σ＝3.3S；在每個子塊區(qū)域中對水平方向、豎直方向的Haar小波響應(yīng)dx、dy及對應(yīng)的絕對值|dx|、|dy|求和，從而得到一個4維向量V(∑dx、∑dy、∑|dx|、∑|dy|)；將4*4個子塊區(qū)域的向量連接起來得到一個64維的向量，此向量即為描述該特征點的描述子特征向量；第三步，特征點的匹配(31)在第一步檢測特征點的過程中，計算了Hessian矩陣的行列式，同時，計算得到了Hessian矩陣的跡，矩陣的跡為對角元素之和；按照亮度的不同，將特征點分為兩種，第一種為特征點及其周圍小鄰域的亮度比背景區(qū)域要亮，Hessian矩陣的跡為正；另外一種為特征點及其周圍小鄰域的亮度比背景區(qū)域要暗，Hessian矩陣為負(fù)值；根據(jù)這個特性，在匹配過程中，首先對特征點的Hessian矩陣的跡進(jìn)行比較；如果同號，說明兩個特征點具有相同的對比度；如果是異號的話，說明兩個特征點的對比度不同，放棄特征點之間后續(xù)的相似性度量；(32)采用歐式距離對圖像A1、A2中特征點描述子特征向量的相似性進(jìn)行度量：其中Disij表示圖像數(shù)據(jù)A1中的第i個特征點與圖像數(shù)據(jù)A2中的第j個特征點之間的相似性，A1ik表示圖像數(shù)據(jù)A1中的第i個特征點子特征向量的第k個元素，A2jk表示圖像數(shù)據(jù)A1中的第j個特征點子特征向量的第k個元素，n表示特征向量的維數(shù)。進(jìn)一步的，步驟3-1中求解連通域面積的具體方法為：由步驟2得到圖像數(shù)據(jù)A1、A2中匹配度最高的三個點的坐標(biāo)(x1，y1)，(x2，y2)，(x3，y3)，具體結(jié)果如圖6所示，按照下式分別計算匹配點連通域的面積P1，P2：其中a，b，c為三個匹配點兩兩之間的長度，L＝(a+b+c)/2。本發(fā)明采用被動毫米波輻射計進(jìn)行成像，在云，霧，戰(zhàn)場煙塵，施放煙霧等惡劣環(huán)境中，相較光電和紅外被動測距方法，能夠獲得更好的成像結(jié)果，測距精度更高。當(dāng)前第1頁1 2 3