提高遮障面與背景空間特征相似度的方法技術

本發明專利技術涉及一種提高遮障面與背景空間特征相似度的方法，通過獲取目標的背景樣本數據對廣義回歸神經網絡進行訓練；利用訓練完成的廣義回歸神經網絡，以偽裝遮障面特征點坐標作為輸入矢量，計算偽裝遮障面特征點的高程數據；分析偽裝遮障面的空間特征參數，得出偽裝遮障面與背景的空間特征綜合相似度；當空間特征綜合相似度符合要求時，根據偽裝遮障面的特征點的高程數據生成偽裝遮障面。本發明專利技術通過采集目標的背景樣本點，生成偽裝遮障面特征點的高程數據；分析評價目標背景與偽裝遮障面的空間特征綜合相似度后生成的偽裝遮障面，與背景融合效果好，適用于各類背景的大面積遮障面生成。

【技術實現步驟摘要】

本專利技術涉及一種偽裝遮障面生成方法，特別是一種。
技術介紹
基于圖像特征分析的識別技術是目前最主要的目標識別方法。這種方法根據目標圖像與背景圖像的統計差異將目標圖像從背景圖像中區別出來，并進而達到識別目標的目的。分析認為即使目標具有和背景完全一致的顏色統計特性，水平遮障和背景特征距離仍然十分顯著。因此有必要在實施偽裝時考慮背景和目標的空間特征。
技術實現思路
本專利技術的目的在于提供一種基于廣義回歸神經網絡和綜合相似度評價的，旨在提高偽裝遮障面與目標背景的空間特征相似度。本專利技術是這樣實現的，一種，包括以下步驟: 1)獲取目標的背景樣本點以及所述背景樣本點的坐標及對應的高程數據； 2)以所述背景樣本點的坐標作為廣義回歸神經網絡的輸入矢量，以對應的高程數據作為廣義回歸神經網絡輸出的目標矢量，對所述廣義回歸神經網絡進行訓練； 3)利用訓練完成的廣義回歸神經網絡，以偽裝遮障面的特征點的坐標作為輸入矢量，計算出偽裝遮障面的特征點的高程數據； 4)分析偽裝遮障面的空間特征參數，得出偽裝遮障面與背景的空間特征相似度，并根據所述空間特征相似度采用強制評分法得出偽裝遮障面與背景的空間特征綜合相似度； 5)當所述空間特征綜合相似度符合要求時，根據所述偽裝遮障面的特征點的高程數據生成偽裝遮障面，否則返回步驟2)，重復以上步驟。所述空間特征參數包括平均高度、方差、粗糙度、起伏度以及陰影函數。利用激光測距儀、經緯儀或已測得的等高線圖，結合偵察器材的分辨率來獲取所述背景的樣本點以及所述樣本點的坐標及對應的高程數據。本專利技術利用廣義回歸神經網絡人工干預少，穩定性較高的特點，通過采集的目標的背景樣本點，生成偽裝遮障面特征點的高程數據；并分析目標的背景與偽裝遮障面的空間特征綜合相似度，根據所述綜合相似度判別偽裝遮障面與目標的背景的融合效果，在融合效果符合要求時再生成偽裝遮障面，因而生成的偽裝遮障面，與背景融合效果好，適用于各類背景的大面積遮障面生成。附圖說明圖1是本專利技術實施例提供的的流程圖； 圖2a—圖2c是計算高度相似度時不同取值下鐘形隸屬度函數的模型圖。具體實施例方式為了使本專利技術的目的、技術方案及優點更加清楚明白，以下結合附圖，對本專利技術進行進一步詳細說明。參見圖1，該圖示出了本專利技術實施例提供的的流程。為了便于說明，僅示出了與本專利技術實施例有關的部分。一種，包括以下步驟: 1)獲取目標的背景樣本數據； 即獲取目標的背景樣本點以及所述背景樣本點的坐標及對應的高程數據； 本專利技術實施例中，可利用激光測距儀、經緯儀或已測得的等高線圖，結合偵察器材的分辨率以獲取所述背景樣本點以及所述背景樣本點的坐標及對應的高程數據； 2)即，以所述背景樣本點的坐標作為廣義回歸神經網絡的輸入矢量，以對應的高程數據作為廣義回歸神經網絡輸出的目標矢量，對所述廣義神經網絡進行訓練； 3)利用訓練完成的廣義回歸神經網絡，計算偽裝遮障面的特征點的高程數據； 主要是指利用訓練完成的廣義回歸神經網絡，以偽裝遮障面的特征點的坐標作為輸入矢量，計算出偽裝遮障面的特征點的高程數據； 4)分析偽裝遮障面與背景的空間特征參數，得出偽裝遮障面與背景的空間特征相似度，并根據所述空間特征相似度采用強制評分法得出偽裝遮障面與背景的空間特征綜合相似度； 本專利技術實施例中，所述空間特征參數包括平均高度、方差、粗糙度、起伏度以及陰影函數。5)對所述的空間特征綜合相似度進行評介，當所述空間特征綜合相似度符合要求時，根據偽裝遮障面的特征點的高程數據生成偽裝遮障面，否則返回步驟2)，重復以上步驟。下面，對步驟4)中，計算獲取偽裝遮障面的空間特征參數，以及空間特征相似度以及空間特征綜合相似度的計算進行詳細說明如下: 偽裝遮障面的空間特征通過以下五個參數來表述:平均高度，反映的是偽裝遮障面高度的指標，采用以下公式(I)計算；方差，反映的是偽裝遮障面高度變化的指標，采用以下公式(2)計算；粗糙度，反映偽裝遮障面起伏變化的指標，采用以下公式(3)計算；起伏度，反映偽裝遮障面最大高程與最小高程的差，采用以下公式(4)計算；陰影函數，反映偽裝遮障面受照射面積與考察的總面積之比，采用以下公式(5)計算:本文檔來自技高網...

【技術保護點】
一種提高遮障面與背景空間特征相似度的方法，其特征在于，包括以下步驟：1）獲取目標的背景樣本點以及所述背景樣本點的坐標及對應的高程數據；2）以所述背景樣本點的坐標作為廣義回歸神經網絡的輸入矢量，以對應的高程數據作為廣義回歸神經網絡輸出的目標矢量，對所述廣義回歸神經網絡進行訓練；3）利用訓練完成的廣義回歸神經網絡，以偽裝遮障面的特征點的坐標作為輸入矢量，計算出偽裝遮障面的特征點的高程數據；4）分析偽裝遮障面的空間特征參數，得出偽裝遮障面與背景的空間特征相似度，并根據所述空間特征相似度采用強制評分法得出偽裝遮障面與背景的空間特征綜合相似度；5）當所述空間特征綜合相似度符合要求時，根據所述偽裝遮障面的特征點的高程數據生成偽裝遮障面，否則返回步驟2），重復以上步驟。

【技術特征摘要】
1.種提高遮障面與背景空間特征相似度的方法，其特征在于，包括以下步驟: 1)獲取目標的背景樣本點以及所述背景樣本點的坐標及對應的高程數據； 2)以所述背景樣本點的坐標作為廣義回歸神經網絡的輸入矢量，以對應的高程數據作為廣義回歸神經網絡輸出的目標矢量，對所述廣義回歸神經網絡進行訓練； 3)利用訓練完成的廣義回歸神經網絡，以偽裝遮障面的特征點的坐標作為輸入矢量，計算出偽裝遮障面的特征點的高程數據； 4)分析偽裝遮障面的空間特征參數，得出偽裝遮障面與背景的空間特征相似度，并根據所述空間特征相似度采用強制評分...

【專利技術屬性】
技術研發人員：蘇榮華，陳玉華，王吉遠，高洪生，林偉，余松林，王吉軍，黃艷萍，劉峰，
申請(專利權)人：中國人民解放軍六一五一七部隊，
類型：發明
國別省市：