本發明屬于空間目(mu)標識別領域，特別涉及一(yi)種(zhong)空間橢圓特征(zheng)的檢測識別方法。

背景技術：

1、在(zai)空間(jian)任務中，時常(chang)(chang)會遇(yu)到近(jin)距離交會位(wei)姿(zi)測(ce)量問題。由于(yu)在(zai)近(jin)距離交會階段(duan)(duan)使用視(shi)覺(jue)相機(ji)可以(yi)獲得目標表面更(geng)為(wei)精細的(de)(de)特(te)(te)征信息(xi)，對(dui)目標相對(dui)位(wei)置和姿(zi)態信息(xi)的(de)(de)估計更(geng)為(wei)精準，并且視(shi)覺(jue)相機(ji)的(de)(de)成(cheng)本和功耗更(geng)低，近(jin)年來近(jin)距離下采用視(shi)覺(jue)測(ce)量正(zheng)在(zai)成(cheng)為(wei)主流手段(duan)(duan)。視(shi)覺(jue)測(ce)量的(de)(de)關鍵(jian)技(ji)術(shu)是圖像配準和三維重(zhong)建(jian)技(ji)術(shu)，而這常(chang)(chang)常(chang)(chang)受限于(yu)目標的(de)(de)特(te)(te)征。若(ruo)目標缺少特(te)(te)征，則(ze)立(li)體匹配將(jiang)變得困難(nan)，影(ying)響距離信息(xi)的(de)(de)測(ce)量。

2、星箭對(dui)接環和(he)遠地點(dian)發動機(ji)是空(kong)間航天器(qi)(qi)近距離交會理想的(de)(de)識別特征。基(ji)(ji)于霍(huo)夫(fu)變換(huan)(huan)的(de)(de)橢圓(yuan)檢測(ce)(ce)算法(fa)(fa)通過一(yi)(yi)種投(tou)票(piao)算法(fa)(fa)檢測(ce)(ce)具有特定形(xing)(xing)狀的(de)(de)物體(ti)。霍(huo)夫(fu)變換(huan)(huan)運用(yong)兩(liang)個(ge)(ge)坐(zuo)標系之間的(de)(de)變換(huan)(huan)，將在一(yi)(yi)個(ge)(ge)空(kong)間中具有相同形(xing)(xing)狀的(de)(de)曲線或直線映射到另一(yi)(yi)個(ge)(ge)坐(zuo)標空(kong)間的(de)(de)一(yi)(yi)個(ge)(ge)點(dian)上形(xing)(xing)成(cheng)峰值，從而把檢測(ce)(ce)任意形(xing)(xing)狀的(de)(de)問題轉化(hua)為統計(ji)(ji)峰值問題。基(ji)(ji)于霍(huo)夫(fu)變換(huan)(huan)的(de)(de)橢圓(yuan)檢測(ce)(ce)算法(fa)(fa)在工業上應用(yong)十分廣泛(fan)，但其需要(yao)用(yong)一(yi)(yi)個(ge)(ge)五(wu)維累(lei)加(jia)器(qi)(qi)估計(ji)(ji)橢圓(yuan)參(can)數，時間和(he)空(kong)間復(fu)雜度高(gao)，計(ji)(ji)算速度慢。且橢圓(yuan)檢測(ce)(ce)對(dui)圖像本身質(zhi)量要(yao)求高(gao)。在太空(kong)復(fu)雜光照條(tiao)件下，成(cheng)像的(de)(de)圖像會因(yin)為過曝或過暗而損失細節或部分關鍵結(jie)構特征，進而給目標的(de)(de)識別帶來很大(da)困難。

技術實現思路

1、本發(fa)明的目的是為克服已有(you)技術的不足之處，提出一(yi)種(zhong)(zhong)空間橢圓(yuan)特征的檢(jian)測識別方法。本發(fa)明可(ke)實(shi)現在多種(zhong)(zhong)光照(zhao)環境下進行橢圓(yuan)特征的準確識別，可(ke)以應用(yong)于(yu)復雜光照(zhao)環境下的空間近距離(li)交會任(ren)務中(zhong)，具有(you)很高的應用(yong)價(jia)值。

2、本(ben)發(fa)明實施提(ti)出一(yi)種(zhong)空間橢(tuo)圓(yuan)特征的檢測識別方法，包括(kuo)：

3、獲取待(dai)檢測(ce)目標的(de)彩色圖(tu)像，提(ti)取所述圖(tu)像的(de)邊緣輪廓；

4、從(cong)所述圖像的邊(bian)緣(yuan)輪廓中選取滿足預設(she)的橢圓(yuan)弧(hu)段(duan)特(te)征條件的邊(bian)緣(yuan)輪廓作為待(dai)聚類(lei)(lei)橢圓(yuan)弧(hu)段(duan)，對所有(you)待(dai)聚類(lei)(lei)橢圓(yuan)弧(hu)段(duan)進行(xing)聚類(lei)(lei)得到每個類(lei)(lei)別對應的橢圓(yuan)弧(hu)段(duan)集合；

5、對(dui)所述每個(ge)類別對(dui)應(ying)的橢(tuo)圓(yuan)(yuan)弧段集合分別進行橢(tuo)圓(yuan)(yuan)擬合，以實(shi)現對(dui)所述待檢測(ce)目標的彩色圖像中橢(tuo)圓(yuan)(yuan)的檢測(ce)識別。

6、在(zai)本發明的(de)一個具體實施例(li)中(zhong)，所(suo)述提取(qu)所(suo)述圖像的(de)邊緣輪廓，包括：

7、1)對(dui)待(dai)檢測目標的彩色圖像進行(xing)圖像增強，得到(dao)增強后的圖像；

8、其中，所述增(zeng)強后(hou)的圖像(xiang)為(wei)所述待檢測目(mu)標的彩色(se)圖像(xiang)的反射圖像(xiang)；

9、所述待檢(jian)測(ce)目標的(de)彩色(se)圖像中(zhong)第i個(ge)顏色(se)通(tong)道任(ren)一像素點(x,y)對應的(de)反(fan)射圖像像素點的(de)像素值的(de)計(ji)算表達式(shi)如下：

10、

11、其中，x為(wei)(wei)該像素(su)點(dian)的(de)(de)橫坐標(biao)(biao)，y為(wei)(wei)該像素(su)點(dian)的(de)(de)縱坐標(biao)(biao)；si(x,y)為(wei)(wei)像素(su)點(dian)(x,y)在(zai)第(di)(di)i個(ge)顏色通道的(de)(de)像素(su)值，ci(x,y)為(wei)(wei)像素(su)點(dian)(x,y)在(zai)第(di)(di)i個(ge)顏色通道的(de)(de)顏色恢復因子(zi)，β為(wei)(wei)增益常數，α控制非線性的(de)(de)強度(du)，s為(wei)(wei)通道數量，n為(wei)(wei)尺度(du)總數，ωj為(wei)(wei)第(di)(di)j個(ge)尺度(du)對應的(de)(de)權重，*表示卷(juan)積運算；gj(x,y)為(wei)(wei)像素(su)點(dian)(x,y)在(zai)第(di)(di)j個(ge)尺度(du)下的(de)(de)高斯環繞函數，σj為(wei)(wei)第(di)(di)j個(ge)尺度(du)的(de)(de)尺度(du)參數；

12、求解得到待檢(jian)測(ce)目標(biao)(biao)的(de)彩(cai)色圖像中所有像素點(dian)對(dui)應的(de)ri(x,y)后，即得到所述待檢(jian)測(ce)目標(biao)(biao)的(de)彩(cai)色圖像對(dui)應的(de)反(fan)射(she)圖像ri，ri在(zai)任一顏(yan)色通(tong)道(dao)上的(de)圖像輸(shu)出結果記為其(qi)中，強(qiang)度(du)(du)通(tong)道(dao)ii為第i個強(qiang)度(du)(du)通(tong)道(dao)；

13、2)對增強后的圖(tu)(tu)像進(jin)行圖(tu)(tu)像濾(lv)波(bo)，得到濾(lv)波(bo)后圖(tu)(tu)像；

14、3)對濾波(bo)后(hou)圖像進(jin)行(xing)閾值分割，得到分割后(hou)圖像；

15、4)對分割后圖像進行邊緣(yuan)檢測，以提取邊緣(yuan)輪廓。

16、在本發明的(de)一(yi)個具體實施例中，所述對增強(qiang)后的(de)圖像(xiang)進行圖像(xiang)濾波采用中值濾波方式(shi)。

17、在本(ben)發明的一個具(ju)體實施例中(zhong)，所(suo)述對濾波后圖像進行閾值分割采用最(zui)大類間差算法，包括：

18、記濾(lv)波(bo)后(hou)圖像(xiang)(xiang)的總體平均灰(hui)度(du)μ＝μ0w0+μ1w1，其中w0為(wei)濾(lv)波(bo)后(hou)圖像(xiang)(xiang)中屬(shu)(shu)于前(qian)景的像(xiang)(xiang)素點數占整(zheng)幅(fu)圖像(xiang)(xiang)的比例，μ0為(wei)屬(shu)(shu)于前(qian)景的像(xiang)(xiang)素點的平均灰(hui)度(du)，w1為(wei)濾(lv)波(bo)后(hou)圖像(xiang)(xiang)中屬(shu)(shu)于背景的像(xiang)(xiang)素點數占整(zheng)幅(fu)圖像(xiang)(xiang)的比例，μ1為(wei)屬(shu)(shu)于背景的像(xiang)(xiang)素點的平均灰(hui)度(du)；

19、計(ji)算類間方差σ＝w0(μ0-μ)2+w1(μ1-μ)2＝w0w1(μ0-μ1)2；

20、將使得類(lei)間方差最大(da)的(de)前景(jing)(jing)與(yu)背景(jing)(jing)的(de)分(fen)割閾值作為最佳閾值，然后(hou)采用二(er)值法對濾波后(hou)圖像進行分(fen)割得到分(fen)割后(hou)圖像；其中(zhong)，分(fen)割后(hou)圖像中(zhong)任一(yi)像素(su)(su)點(dian)(dian)(x,y)的(de)像素(su)(su)值其中(zhong)，f(x,y)為濾波后(hou)圖像中(zhong)任一(yi)像素(su)(su)點(dian)(dian)(x,y)的(de)像素(su)(su)值。

21、在本發明(ming)的(de)一個具體實(shi)施例中，所述對分割后圖像進行邊(bian)緣檢測，包括：

22、4-1)利(li)用sobel算(suan)子(zi)計算(suan)分割(ge)后圖像(xiang)水平(ping)方(fang)向的(de)(de)梯(ti)度gx＝sx*p和(he)垂直(zhi)方(fang)向的(de)(de)梯(ti)度gy＝sy*p；

23、其中，sx、sy分別(bie)為水平方向和垂直方向的sobel算(suan)子，p代表分割后圖像；

24、計(ji)算該分割圖像的梯度幅值和(he)方向(xiang)θ＝tan-1(gy/gx)；

25、4-2)利用(yong)步驟4-1)的(de)(de)結果對分割后圖(tu)(tu)像進行非極(ji)大值抑(yi)制，得到(dao)對應(ying)的(de)(de)二值圖(tu)(tu)像；

26、其中(zhong)，若分割后圖像(xiang)中(zhong)任一像(xiang)素(su)(su)點的梯(ti)度(du)(du)幅值大于其正負梯(ti)度(du)(du)方(fang)向上各一個(ge)相鄰像(xiang)素(su)(su)點的梯(ti)度(du)(du)幅值，則將該像(xiang)素(su)(su)點保(bao)留為(wei)邊緣像(xiang)素(su)(su)點，否則將該像(xiang)素(su)(su)點灰度(du)(du)值置(zhi)為(wei)0；

27、4-3)對非極大(da)值(zhi)(zhi)抑制后(hou)的二值(zhi)(zhi)圖像(xiang)進行雙閾值(zhi)(zhi)滯后(hou)處理，其(qi)中(zhong)采用(yong)圖像(xiang)梯度差分直方圖和類內方差最小化特(te)性確(que)定高、低(di)閾值(zhi)(zhi)；

28、若(ruo)二值圖(tu)像(xiang)中的(de)(de)任(ren)一邊緣(yuan)像(xiang)素點的(de)(de)梯度值大于(yu)高閾值，則標(biao)記該(gai)像(xiang)素點為強邊緣(yuan)像(xiang)素點，將該(gai)像(xiang)素點的(de)(de)像(xiang)素值置(zhi)為255；

29、若二(er)值圖像(xiang)中的任一邊緣像(xiang)素(su)點的梯度小(xiao)于低閾值，則將該像(xiang)素(su)點的像(xiang)素(su)值置為0；

30、若二值圖(tu)像(xiang)中(zhong)的(de)(de)任一邊(bian)(bian)緣(yuan)像(xiang)素(su)(su)點(dian)(dian)(dian)的(de)(de)梯度大于(yu)等(deng)(deng)于(yu)低閾(yu)值且小于(yu)等(deng)(deng)于(yu)高閾(yu)值，則(ze)標記該像(xiang)素(su)(su)點(dian)(dian)(dian)為(wei)弱邊(bian)(bian)緣(yuan)像(xiang)素(su)(su)點(dian)(dian)(dian)；遍歷所有弱邊(bian)(bian)緣(yuan)像(xiang)素(su)(su)點(dian)(dian)(dian)，其中(zhong)，若任一弱邊(bian)(bian)緣(yuan)像(xiang)素(su)(su)點(dian)(dian)(dian)的(de)(de)鄰域像(xiang)素(su)(su)點(dian)(dian)(dian)中(zhong)存在至少(shao)一個強邊(bian)(bian)緣(yuan)像(xiang)素(su)(su)點(dian)(dian)(dian)，則(ze)將該弱邊(bian)(bian)緣(yuan)像(xiang)素(su)(su)點(dian)(dian)(dian)更(geng)新(xin)為(wei)強邊(bian)(bian)緣(yuan)像(xiang)素(su)(su)點(dian)(dian)(dian)，更(geng)新(xin)該弱邊(bian)(bian)緣(yuan)像(xiang)素(su)(su)點(dian)(dian)(dian)的(de)(de)像(xiang)素(su)(su)值為(wei)255；否則(ze)不(bu)更(geng)新(xin)該弱邊(bian)(bian)緣(yuan)像(xiang)素(su)(su)點(dian)(dian)(dian)的(de)(de)像(xiang)素(su)(su)值；

31、對二值圖像的所有像素點處理完畢后，生成一張只(zhi)包(bao)含邊緣(yuan)輪廓(kuo)(kuo)的圖像，邊緣(yuan)輪廓(kuo)(kuo)提(ti)取完畢。

32、在本發明(ming)的一個具體實施例中，所述方法還包括(kuo)：

33、所(suo)述預設的橢圓弧段特征條(tiao)件(jian)(jian)包括：長度(du)(du)條(tiao)件(jian)(jian)、角度(du)(du)條(tiao)件(jian)(jian)、凸性條(tiao)件(jian)(jian)；

34、其中，所述長度條件(jian)為：若任一邊緣輪(lun)廓(kuo)包含的(de)(de)像素值為255的(de)(de)像素點的(de)(de)個數大于等于設定(ding)的(de)(de)數目閾值，則該邊緣輪(lun)廓(kuo)滿足長度條件(jian)；

35、所(suo)述角度(du)條件為：若(ruo)任一(yi)邊緣輪(lun)廓中輪(lun)廓分段之間的角度(du)偏差小于(yu)設定的角度(du)閾(yu)值(zhi)α，則(ze)該邊緣輪(lun)廓滿足角度(du)條件；

36、所述凸(tu)(tu)性(xing)條件為：若任一邊緣(yuan)輪廓沿同一方向(xiang)改(gai)變，則該邊緣(yuan)輪廓滿足凸(tu)(tu)性(xing)條件；

37、若任(ren)一邊緣(yuan)(yuan)輪(lun)廓同時滿足(zu)所述長(chang)度(du)條(tiao)件(jian)、所述角度(du)條(tiao)件(jian)、所述凸(tu)性條(tiao)件(jian)，則該(gai)邊緣(yuan)(yuan)輪(lun)廓為待聚類(lei)橢(tuo)圓弧段(duan)。

38、在本發明的(de)一個具體實施例中，所述對所述每(mei)個類別對應的(de)橢圓弧(hu)段(duan)集合分別進行(xing)橢圓擬合，包括：

39、對于每一個(ge)橢圓弧段(duan)集(ji)合，求解同步方程組其中，λ為拉(la)格(ge)朗(lang)日乘子(zi)，向量a＝[a,b,c,d,e,f]t，向量a＝[a,b,c,d,e,f]t，a,b,c,d,e,f是橢圓的(de)圓錐曲線一般(ban)方程ax2+2bxy+cy2+2dx+2ey+f＝0的(de)參(can)數；常(chang)數約束矩(ju)陣qq是集(ji)合{p1,p2,…,pn}的(de)散布矩(ju)陣；pi表示該橢圓弧段(duan)集(ji)合中第i個(ge)像(xiang)素值為255的(de)像(xiang)素點(dian)，pi的(de)坐標記為(xi,yi)，i＝1,2,…,n,n代(dai)表該橢圓弧段(duan)集(ji)合中像(xiang)素點(dian)的(de)總個(ge)數；q＝dtd，其中

40、根據a,b,c,d,e,f，得到(dao)該(gai)橢(tuo)圓弧(hu)段集合對應的橢(tuo)圓的參數表達式如(ru)下(xia)：

41、

42、其(qi)中xc和yc分別(bie)表(biao)示(shi)該橢(tuo)圓弧段(duan)集合對(dui)應的(de)(de)橢(tuo)圓圓心的(de)(de)橫、縱坐標(biao)；a和b分別(bie)表(biao)示(shi)該橢(tuo)圓弧段(duan)集合對(dui)應的(de)(de)橢(tuo)圓半長軸和半短(duan)軸,θ是半長軸和與(yu)坐標(biao)系的(de)(de)x軸的(de)(de)正(zheng)方向(xiang)之間的(de)(de)夾角。

43、本發明的特點及有益效果：

44、針(zhen)對(dui)(dui)空(kong)間復(fu)雜光(guang)照(zhao)環境(jing)例(li)(li)如暗弱光(guang)、局部過曝光(guang)條件下成像信(xin)息失(shi)真，導致圖像中出現大(da)(da)量梯(ti)度值較小(xiao)卻又占據大(da)(da)量比例(li)(li)的(de)邊(bian)緣點，干(gan)擾正常檢測結(jie)果(guo)的(de)問題，本發(fa)明通(tong)過對(dui)(dui)圖像采用帶顏色(se)恢復(fu)的(de)多尺度retinex算法(fa)進(jin)行自適(shi)應的(de)增強(qiang)，實現了對(dui)(dui)不同(tong)光(guang)照(zhao)環境(jing)下目標(biao)星箭對(dui)(dui)接環這類圓形(xing)特征的(de)準確識別。

45、本發明使用中值濾波有效地去除不(bu)(bu)同類型的噪聲(sheng)而且不(bu)(bu)會模(mo)糊圖像的邊緣細節。

46、本發明可應用于空間(jian)近距(ju)離交(jiao)會，通過識別星箭對接環、發動機噴嘴等圓形特征估算航天器(qi)之間(jian)的距(ju)離進而服務于空間(jian)近距(ju)離交(jiao)會。