飞行器三维不变矩特征提取与识别研究

Aircraft identification is important to design advanced flight simulator system, as well as to train the adaptability and professional skills of test pilots. Aircraft identification based on 2D images having the limitations to feature representation and discrimination, the proposal is focused on aircraft identification based on 3D images and models. The proposed method takes advantage of the abilities of 3D images and models in representing spatial structures and 3D geometric shapes to construct 3D features of aircraft. Feature descriptors should generally be invariants regardless of pose, position and size in recognizing 3D objects. Hence, a kind of feature descriptors based on orthogonal moment invariants are designed in the proposal. They enable to extract the features of aircraft which are independent of translation, rotation and scaling. Feature vector is constructed via high-order moment invariants and multiscale features. It is further refined by Principal Component Analysis (PCA) to achieve mutual independent features to deeply extract both 3D global and detailed features of aircraft and accomplish high accuracy aircraft identification. The proposed method is respectively tested by synthetic 3D images and real ones.

飞行器识别对于研发先进的飞行仿真系统以及培训试飞员的应变反应、专业技能具有重要意义。针对基于二维图像的飞行器识别方法在特征表示、区分能力上表现不足的情况，本项目研究一种基于三维图像和三维模型的飞行器特征提取和识别方法。该方法充分利用三维图像和模型在表示三维空间结构和三维几何外形上的优势构造飞行器的三维特征。考虑到飞行器识别任务中，特征描述方法应该对飞行器在任意姿态、任意位置、任意尺寸的情况下具有唯一性描述，本项目设计一种基于正交不变矩的特征描述方法，实现对飞行器平移、旋转、比例不变特征的提取。利用高阶不变矩、多尺度特征来构造飞行器的特征向量，结合主成分分析方法来建立互不相关的特征，进一步提取飞行器的三维整体与细节特征，实现高准确率的飞行器识别。本项目分别采用人造图像和实际拍摄的图像来测试评估飞行器识别效果。

先进的飞行训练仿真系统应该能够提供给试飞员逼真的全三维场景下的飞行器识别、追踪、避让等飞行行为的现场感知，这对于提高试飞人员的心理素质和应变能力，保障飞行操作的正确执行，以及对具有危险性驾驶技能的培训具有极其重要的作用。. 在上述研究背景下，本项目需要实现飞行器的全三维形体特征提取和识别技术。主要研究内容包括以下三个方面。（1）与姿态、位置、尺寸无关的飞行器特征的描述方法。（2）深度提取飞行器的三维特征的特征向量的设计方法。（3）研究飞行器对称性对特征影响的规律。（4）算法验证和飞行器识别。. 项目取得了以下重要研究成果。首先，提出了一种数值稳定性优于传统方法的三维Gaussian-Hermite相似变换正交不变矩，实现了对三维飞行器图像特征的直接提取和表示。其次，实现了一种结合三维低阶、高阶不变矩以及不同尺度参数不变矩的复合特征向量用于飞行器的形体特征的表示。再者，分析了飞行器通常具有的两种三维对称类型，面对称和N旋转折叠对称N-FRS（N-Fold Rotation Symmetry）对不变矩数值影响的规律。最后，对方法进行了数据验证。具体为：采用两种公共三维形体数据库 PSB（Princeton Shape Benchmark）和McGill 数据库中的飞行器模型对方法进行测试；采用微软的Kinect相机实际拍摄飞行器的仿真模型以建立其三维实体模型并在特征空间下进行分类。该项目的研究对三维实体图像实现了最高到16阶共1185个与三维空间相似变换无关的正交Gaussian-Hermite不变矩的计算。对PSB和McGill数据库飞行器模型的总体识别率为：当噪音环境SNR=70，识别率为91.53%；当SNR=40识别率为89.83%。. 本项目的研究成果为三维图像的特征提取和目标识别提供了一种切实有效的方法。该成果对人工智能和机器视觉领域的相关方向的研究和发展具有实质性的促进作用。