基于弹性匹配的目标识别方法

摘要

本发明公开了一种基于弹性匹配的目标识别方法，所述方法包括以下步骤：S1、采用轮廓提取算法提取出目标的轮廓特征；S2、计算出目标轮廓上每个点的曲率值；S3、将轮廓点按照曲率值的大小进行分层描述；S4、将不同目标的轮廓特征分段采用PCA‑SC距离进行相似性度量；S5、将目标的轮廓特征分段进行可靠性度量；S6、将目标相似性和可靠性指标归一化，采用弹性匹配距离进行目标后识别。本发明可以对目标形状进行有效的相似性度量，对目标特征描述具有更大的区分度，具有尺度不变性、旋转不变性和平移不变性，提高了识别的准确率和鲁棒性，减小了计算复杂度。

主权项

一种基于弹性匹配的目标识别方法，其特征在于，所述方法包括以下步骤：S1、采用轮廓提取算法提取出目标的轮廓特征；S2、计算出目标轮廓上每个点的曲率值；S3、将轮廓点按照曲率值的大小进行分层描述；S4、将不同目标的轮廓特征分段采用PCA‑SC距离进行相似性度量；S5、将目标的轮廓特征分段进行可靠性度量；S6、将目标相似性和可靠性指标归一化，采用弹性匹配距离进行目标后识别；所述步骤S6具体包括：S61、计算出该轮廓特征分段的相似度指标；S62、计算出该轮廓特征分段的可靠性指标；S63、根据相似性指标数值越小，目标越相似，可靠性指标数值越大，目标越容易被识别的准则，得到弹性匹配计算公式；所述弹性匹配的计算公式为：$A\left({\mathrm{fs}}^{PQ}\right)=\frac{D({\mathrm{fs}}^P,{\mathrm{fs}}^Q)}{{\alpha }^Q}+\frac{D({\mathrm{fs}}^P,{\mathrm{fs}}^Q)}{{\alpha }^P},$其中，D(fs^P,fs^Q)为该轮廓特征分段的相似度指标，α^P、α^Q分别为目标图像轮廓上P点和模板图像轮廓上Q点轮廓特征分段的可靠性指标。