基于SURF的UAV快速目标识别算法

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (23): 132-136.

基于SURF的UAV快速目标识别算法

贾伟1，张清2，席庆彪1，2，刘慧霞1

1.西北工业大学第365研究所，西安 710065
2.西北工业大学自动化学院，西安 710072

出版日期:2013-12-01 发布日期:2016-06-12

Fast algorithm based on SURF for UAV target identification

JIA Wei1, ZHANG Qing2, XI Qingbiao1，2, LIU Huixia1

1.No.365 Research Institute, Northwest Polytechnical University, Xi’an 710065, China
2.School of Automation, Northwest Polytechnical University, Xi’an 710072, China

Online:2013-12-01 Published:2016-06-12

摘要/Abstract

摘要： 针对UAV（Unmanned Aerial Vehicle）侦察目标识别中的实时性和鲁棒性的要求，提出一种基于SURF（Speeded Up Robust Features）的快速目标识别算法。对UAV侦察图像进行预处理，采用不变矩构造遗传算法的适应度函数，利用遗传算法的全局搜索能力快速地提取可能包含目标的ROI（Region Of Interesting）区域。在ROI区域和模板图像中提取SURF特征点，采用最近邻的匹配算法搜索匹配对，从而精确确定目标的位置。仿真结果显示，该算法可以明显地提高目标识别的实时性并具有相当的鲁棒性。

关键词: 目标识别, 无人机（UAV）, 预处理, 感兴趣区域（ROI）, 不变矩, 遗传算法, 加速稳健特征（SURF）

Abstract: In order to solve the problem of robust identification of target in the UAV reconnaissance image in real time, a fast recognition algorithm based on Speeded Up Robust Feature（SURF） is proposed in this paper. A similar matching function using moment invariant features is constructed as the fitness function in the genetic algorithm. Then the region of interest which may contain target is selected using genetic algorithm. Speeded up robust features are taken between the ROIs and the match pair is found using nearest matching algorithm. The match pair is used to determine the location of the target accurately. The result of simulation indicates that the algorithm is not only effective on enhancing the real-time ability of identifying target, but also robust.

Key words: target recognition, Unmanned Aerial Vehicle（UAV）, preprocessing, Region Of Interesting（ROI）, moment invariant, genetic algorithm, Speeded Up Robust Features（SURF）

贾伟1，张清2，席庆彪1，2，刘慧霞1. 基于SURF的UAV快速目标识别算法[J]. 计算机工程与应用, 2013, 49(23): 132-136.

JIA Wei1, ZHANG Qing2, XI Qingbiao1，2, LIU Huixia1. Fast algorithm based on SURF for UAV target identification[J]. Computer Engineering and Applications, 2013, 49(23): 132-136.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	於小杰，贺勇，刘盛华. 一种用于无人机室内定位的改进ORB光流算法[J]. 计算机工程与应用, 2021, 57(4): 266-271.
[4]	徐志京，汪毅. 青光眼眼底图像的迁移学习分类方法[J]. 计算机工程与应用, 2021, 57(3): 144-149.
[5]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[6]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[7]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[8]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[9]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[10]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[11]	孙爽，陈燕，朴在吉，张金松. 轨迹数据的时空模式挖掘与管理决策研究综述[J]. 计算机工程与应用, 2021, 57(16): 16-26.
[12]	张俊，朱庆伟，严俊杰，温波. 改进强化学习算法的UAV室内三维航迹规划[J]. 计算机工程与应用, 2021, 57(16): 175-181.
[13]	成立明，陈建新，陈瑞，陈志敏. 融合自监督单目图像深度估计的视觉里程计[J]. 计算机工程与应用, 2021, 57(15): 230-236.
[14]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[15]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.