本發(fā)明屬于圖像處理，尤其涉及一種廣域視頻監(jiān)控雙光譜船只小目標配準方法。
背景技術：
1、當前雙光譜圖像配準技術主要依賴于全局特征匹配（如sift、surf）或區(qū)域相似性優(yōu)化（如互信息、相位相關），部分研究嘗試引入深度學習（如基于cnn的特征提取）提升跨模態(tài)對齊能力。針對海上監(jiān)控場景，現(xiàn)有技術中常直接對全圖進行配準，并通過濾波或模板匹配篩選目標區(qū)域。
2、現(xiàn)有技術的不足：
3、傳統(tǒng)全局特征匹配在低分辨率小目標場景下，因目標區(qū)域紋理稀疏、信噪比低，易導致特征點分布不均或誤匹配。
4、可見光與紅外圖像因成像機理差異（如紋理依賴vs.熱輻射依賴），傳統(tǒng)相似性度量（如互信息）對跨光譜目標關聯(lián)性建模不足，誤配率高。
5、基于深度學習的配準方法需依賴大量標注數據且計算開銷大，難以適配廣域監(jiān)控的實時性需求；而輕量化方法（如區(qū)域配準）易受背景干擾，漏檢率高。
技術實現(xiàn)思路
1、本發(fā)明的目的是提供一種廣域視頻監(jiān)控雙光譜船只小目標配準方法，解決了在廣域監(jiān)控場景下，提高雙光譜船只小目標的分辨率，提高跨模態(tài)的配準精度的技術問題。
2、為實現(xiàn)上述目的，本發(fā)明采用如下技術方案：
3、一種廣域視頻監(jiān)控雙光譜船只小目標配準方法，包括如下步驟：
4、步驟1：建立雙光譜船只小目標配準系統(tǒng)，獲取雙光譜圖像對序列，對序列中每對圖像進行預處理和質量評估計算，篩選出質量差異小于預設閾值的圖像對作為待處理圖像對，構建待處理圖像對集合；
5、步驟2：對于所述待處理圖像對集合中的任意一個待處理圖像對進行初始配準處理，具體包括提取背景特征點并計算粗幾何變換，生成粗配準圖像對；粗配準圖像包括可見光圖像和紅外圖像；
6、步驟3：在所述粗配準圖像對中識別海域區(qū)域，在海域區(qū)域內提取顯著性候選區(qū)域，生成候選目標區(qū)域集合；
7、步驟4：預設空間距離約束，對所述可見光圖像和所述紅外圖像中的候選區(qū)域進行配對，生成候選區(qū)域對，并構建空間位置相近的候選區(qū)域對集合；
8、步驟5：對所述候選區(qū)域對執(zhí)行局部圖像增強處理，通過多倍插值提升圖像分辨率，并在增強后的圖像上構建多尺度圖像金字塔，再次增強區(qū)域特征，生成增強的多尺度候選區(qū)域對；
9、步驟6：在所述增強的多尺度候選區(qū)域對上，根據多尺度配準策略，逐級提取特征并優(yōu)化配準變換，得到目標區(qū)域配準結果；
10、步驟7：根據步驟2到步驟6的方法處理所述待處理圖像對集合中的所有待處理圖像。
11、優(yōu)選的，所述雙光譜船只小目標配準系統(tǒng)包括圖像分析模塊、目標區(qū)域提取模塊、約束配對模塊、特征增強模塊和精細配準模塊；
12、圖像分析模塊、目標區(qū)域提取模塊、約束配對模塊、特征增強模塊和精細配準模塊之間通過互聯(lián)網相互通信。
13、優(yōu)選的，在執(zhí)行步驟1時，具體包括如下步驟：
14、步驟1-1：圖像分析模塊獲取雙光譜圖像對序列，對雙光譜圖像對序列中的每一對圖像進行圖像預處理；
15、步驟1-2：對預處理后的圖像進行和質量評估計算，篩選出質量差異小的圖像對，作為待處理圖像對，構建待處理圖像對集合。
16、優(yōu)選的，在執(zhí)行步驟2時，目標區(qū)域提取模塊調取待處理圖像對集合，逐一對其中的待處理圖像對進行處理，具體包括如下步驟：
17、步驟2-1：圖像分析模塊提取待處理圖像對的背景特征點；
18、步驟2-2：對背景特征點進行匹配；
19、步驟2-3：計算粗幾何變換，生成粗配準圖像對；
20、步驟2-4：建立粗配準圖像對與待處理圖像對的映射表。
21、優(yōu)選的，在執(zhí)行步驟3時，具體包括如下步驟：
22、步驟3-1：目標區(qū)域提取模塊調取所述粗配準圖像對；
23、步驟3-2：對所述粗配準圖像對中的可見光圖像進行海域語義分割，得到海域掩膜；
24、步驟3-3：將海域掩膜映射到所述粗配準圖像對中的紅外圖像上，進行雙光譜圖像中海域區(qū)域的一致性定位；
25、步驟3-4：在海域區(qū)域內，采用頻譜殘差法或局部對比度法提取顯著性區(qū)域作為候選區(qū)域，生成船只目標候選區(qū)域集合。
26、優(yōu)選的，在執(zhí)行步驟4時，具體包括如下步驟：
27、步驟4-1：約束配對模塊調取船只目標候選區(qū)域集合；
28、步驟4-2：計算可見光圖像和紅外圖像中每個候選區(qū)域的幾何中心；
29、步驟4-3：枚舉所有跨模態(tài)候選區(qū)域的配對組合；
30、步驟4-4：逐一對所有所述配對組合進行空間距離計算；
31、步驟4-5：將步驟4-4計算的結果與預設距離閾值進行對比，篩除不符空間距離約束的配對組合，生成空間接近候選區(qū)域對集合。
32、優(yōu)選的，在執(zhí)行步驟5時，具體包括如下步驟：
33、步驟5-1：特征增強模塊調取空間接近候選區(qū)域對集合；
34、步驟5-2：使用多倍lánczos插值方法，對空間接近候選區(qū)域對集合中每個候選區(qū)域執(zhí)行局部圖像分辨率增強，生成增強后圖像區(qū)域；
35、步驟5-3：在增強后圖像區(qū)域上構建多尺度高斯金字塔，生成增強后的多尺度候選區(qū)域對。
36、優(yōu)選的，在執(zhí)行步驟6時，具體包括如下步驟：
37、步驟6-1：精細配準模塊調取增強后的多尺度候選區(qū)域對；
38、步驟6-2：在最低分辨率尺度上，使用跨模態(tài)魯棒特征描述子提取特征點；
39、步驟6-3：通過ransac算法優(yōu)化匹配，獲得初始配準變換；
40、步驟6-4：將初始變換逐級傳遞至更高分辨率尺度，并在每一級重復特征匹配與變換優(yōu)化，得到高精度配準結果，生成精配準的目標區(qū)域圖像。
41、本發(fā)明所述的一種廣域視頻監(jiān)控雙光譜船只小目標配準方法，解決了在廣域監(jiān)控場景下，提高雙光譜船只小目標的分辨率，提高跨模態(tài)的配準精度的技術問題，本發(fā)明通過海域語義分割與顯著性檢測協(xié)同縮小搜索范圍，降低背景干擾，提升小目標配準專注度，引入幾何中心距離約束的候選區(qū)域配對策略，緩解跨光譜特征異構性導致的誤匹配問題，結合插值超分辨與多尺度金字塔優(yōu)化，強化低分辨率目標的局部特征表達，提升配準魯棒性，通過分階段處理（粗配準→精配準）與任務解耦，平衡計算效率與精度，適配實際工程部署需求。
1.一種廣域視頻監(jiān)控雙光譜船只小目標配準方法，其特征在于：包括如下步驟：
2.如權利要求1所述的一種廣域視頻監(jiān)控雙光譜船只小目標配準方法，其特征在于：所述雙光譜船只小目標配準系統(tǒng)包括圖像分析模塊、目標區(qū)域提取模塊、約束配對模塊、特征增強模塊和精細配準模塊；
3.如權利要求2所述的一種廣域視頻監(jiān)控雙光譜船只小目標配準方法，其特征在于：在執(zhí)行步驟1時，具體包括如下步驟：
4.如權利要求2所述的一種廣域視頻監(jiān)控雙光譜船只小目標配準方法，其特征在于：在執(zhí)行步驟2時，目標區(qū)域提取模塊調取待處理圖像對集合，逐一對其中的待處理圖像對進行處理，具體包括如下步驟：
5.如權利要求2所述的一種廣域視頻監(jiān)控雙光譜船只小目標配準方法，其特征在于：在執(zhí)行步驟3時，具體包括如下步驟：
6.如權利要求2所述的一種廣域視頻監(jiān)控雙光譜船只小目標配準方法，其特征在于：在執(zhí)行步驟4時，具體包括如下步驟：
7.如權利要求2所述的一種廣域視頻監(jiān)控雙光譜船只小目標配準方法，其特征在于：在執(zhí)行步驟5時，具體包括如下步驟：
8.如權利要求2所述的一種廣域視頻監(jiān)控雙光譜船只小目標配準方法，其特征在于：在執(zhí)行步驟6時，具體包括如下步驟：