一种基于多类基元自主学的复杂目标自动识别方法

摘要

一种基于多类基元自主学的复杂目标自动识别方法，步骤为：a)建立多类目标图像代表集；b)对训练集中的图像做预处理，分别提取点状、线状、面状三类基元；c)在确认图像集中对获取的大量基元进行匹配计算、筛选合并，分别构建点、线、面三个基元字典；d)从字典中选取一定数量的基元，配对组合后作为弱分类器，通过自主学分别训练三类基元的强分类器；e)在概率投票空间下将三类基元强分类器结合，实现多类复杂目标的准确定位、轮廓提取和类型识别。本发明方法具有较高的智能化程度，能够满足多种类型复杂目标的识别和图像解译需求。

主权项

一种基于多类基元自主学习的复杂目标自动识别方法，其特征在于，该方法利用尺度、角度、目标质心进行空间变换和约束自主寻求最优匹配，并通过自主学习分别训练强分类器，在概率投票空间下实现对多类目标的定位、提取和识别，该方法包括以下步骤：第一步，建立多类复杂目标的图像代表集；第二步，对训练集中的图像提取点、线、面状基元，包括步骤：a)提取线状基元，用于描述目标的形状轮廓及内部边界；b)提取面状基元，用于描述目标的区域统计特性；c)提取点状基元，用于描述目标的尺度旋转特性；第三步，针对从训练图像中获取的大量基元，在确认图像集中进行匹配计算、筛选合并，分别构建点、线、面三个基元字典；第四步，从字典中选取一定数量的基元，配对组合后作为弱分类器，通过自主学习分别训练三类基元的强分类器；第五步，利用自主学习得到的三类基元强分类器，在概率投票空间下识别和提取多种类型的目标；其中，所述利用尺度、角度、目标质心进行空间变换和约束自主寻求最优匹配，包括：每个线状基元均包含在一个外接矩形r_j＝(r_wi，r_hi)中，其中r_wi为外接矩形r_i的宽，r_wi为外接矩形r_i的高，定义线状基元为其中f_i为线状基元的像素列表，线状基元的质心为o_i＝(r_wi+r_hi)/2，d_i为基元质心到目标质心Z_o的相对距离，s_i为线状基元的尺度因子，令area(r_i)为外接矩形r_i的面积大小，为基元质心相对目标质心水平线的逆时针旋转角度，利用d_i和一起能够预测出目标质心的位置，因而，每个基元在保持基本信息不变的条件下，都能够按照不同 的尺寸大小和旋转方向进行变换，寻求最佳匹配的形式，l_i为目标所属类别；依此得到所有的线状基元面状基元和点状基元也包含在外接矩形中，可采用同样的方法获取面状基元和点状基元各个变量的定义与线状基元的定义相同；因此，令B_i统一指代线状基元、面状基元和点状基元；每个线状基元在利用尺寸和方向变化寻求最佳匹配时有：B′_i＝B_i  i＝1，2，...，N   (2)其中，B′_i为B_i最佳匹配时的变换形式；当且仅当存在(τ_i，υ_i)满足以下条件时，等式成立：其中，f_i和f′_i分别为对象B_i和B′_i的像素列表，d_i和d′_i分别为对象B_i和B′_i的质心到目标质心的相对距离，s_i和s′_i分别为对象B_i和B′_i的尺度因子，和分别为对象B_i和B′_i相对目标质心水平线的逆时针旋转角度，τ_i为比例参数，υ_i为旋转参数，≌表示两者相等或相似，σ₁，σ₂分别为τ_i，υ_i的取值上下限。