一种三维模糊空间目标识别方法

摘要

一种三维模糊空间目标识别方法，属于数字图像模式识别领域，目的在于当图像出现高斯散焦模糊情况时能够精确地识别出目标的类别。本发明包括获取模板目标多视点特性视图步骤、建立模板目标模糊不变矩库步骤、归一化处理步骤、计算待识别目标模糊不变矩步骤、归一化待识别目标模糊不变矩步骤和目标识别步骤。本发明利用三维模板目标模型建立模板目标模糊不变矩库；将待识别目标图像的模糊不变矩与模板目标模糊不变矩库作比较，识别出目标的类别；处理过程对数据归一化，可有效均衡各特征量对识别结果的影响，进一步提高目标识别率；算法实现简单、运算量小、鲁棒性好，在成像目标出现较大高斯模糊条件下也能获得较高的识别率。

主权项

1.一种三维模糊空间目标识别方法，包括下述步骤：(1)获取模板目标多视点特性视图步骤：按俯仰角α每隔10°、偏航角β每隔10°将高斯观测球划分为703个二维平面，α＝-90°～90°，β＝-180°～180°；将各三维模板目标O_T置于高斯观测球球心，从球心将各三维模板目标O_T分别向703个二维平面进行正投影，共得到N个三维模板目标的多视点的N×703个特性视图F_i；各特性视图F_i为宽度m、高度n的像素矩阵，f_i(x，y)为F_i的点(x，y)处像素灰度值，1≤横坐标x≤m，1≤纵坐标y≤n，i＝1、2、…、K，K＝N×703，T＝1、2、…、N，N为三维模板目标的个数；(2)建立模板目标模糊不变矩库步骤，包括下述子步骤：(2.1)计算各特性视图F_i的重心横坐标x_i0、纵坐标y_i0；$\left\{\begin{array}{c}{x}_{i0}=M_i\left(\mathrm{1,0}\right)/M_i\left(\mathrm{0,0}\right)\\ y_{i0}=M_i\left(\mathrm{0,1}\right)/M_i\left(\mathrm{0,0}\right)\end{array}\right.,$其中，p+q阶原点矩M_i(p，q)：$M_i(p,q)=\underset{D_i}{\int \int }{x}^p{y}^q{f}_i(x,y)\mathrm{dxdy},$式中，D_i为特性视图F_i成像区域；p＝0、1，q＝0、1；(2.2)计算各特性视图F_i的p+q阶中心矩μ_i(p，q)：${\mu }_i(p,q)=\underset{\mathrm{Di}}{\int \int }{(x-x_{i0})}^p{(y-y_{i0})}^q{f}_i(x,y)\mathrm{dxdy},$p＝0、1、2、3、4，q＝0、1、2、3、4；(2.3)计算各特性视图F_i的p+q阶标准化中心矩I_i(p，q)：$I_i(p,q)=\frac{{\mu }_i(p,q)}{{\mu }_i{\left(\mathrm{0,0}\right)}^{1+(p+q)/2}},$p＝0、1、2、3、4，q＝0、1、2、3、4；(2.4)计算各特性视图F_i的模糊不变矩{C_i，1，C_i，2，…，C_i，8}：C_i，1＝[I_i(2，0)-I_i(0，2)]²+4I_i(1，1)²C_i，2＝[I_i(3，0)-3I_i(1，2)]²+[3I_i(2，1)-I_i(0，3)]²C_i，3＝[I_i(3，0)+I_i(1，2)]²+[I_i(0，3)+I_i(2，1)]²C_i，4＝[I_i(3，0)-3I_i(1，2)]×[I_i(3，0)+I_i(1，2)]×{[I_i(3，0)+I_i(1，2)]²-3[I_i(0，3)+I_i(2，1)]²}+[3I_i(2，1)-I_i(0，3)]×[I_i(0，3)+I_i(2，1)]×{[I_i(0，3)+I_i(1，2)]²-[I_i(0，3)+I_i(2，1)]²}C_i，5＝[I_i(2，0)-I_i(0，2)]×{[I_i(3，0)+I_i(1，2)]²-[I_i(0，3)+I_i(2，1)]²}+4I_i(1，1)×[I_i(3，0)+I_i(1，2)]×[I_i(2，1)+I_i(0，3)]C_i，6＝[3I_i(2，1)-I_i(0，3)]×[I_i(3，0)+I_i(1，2)]×{[I_i(3，0)+I_i(1，2)]²-3[I_i(0，3)+I_i(2，1)]²}+[3I_i(2，1)-I_i(0，3)]×[I_i(2，1)+I_i(0，3)]×{3[I_i(0，3)+I_i(1，2)]²-[I_i(0，3)+I_i(2，1)]²}C_i，7＝[I_i(0，4)+I_i(4，0)-6I_i(2，2)]²+16{3[I_i(3，1)-I_i(1，3)]²}C_i，8＝[I_i(0，4)+I_i(4，0)-6I_i(2，2)]²×{[I_i(2，0)-I_i(0，2)]²-I_i(1，1)²}+16I_i(1，1)×[I_i(3，1)-I_i(1，3)]×[I_i(2，0)-I_i(0，2)](2.5)构建模板目标模糊不变矩库MF：$\mathrm{MF}=\left\{\begin{array}{c}{C}_{\mathrm{1,1}},C_{\mathrm{1,2}},···,C_{\mathrm{1,8}}\\ C_{\mathrm{2,1}},C_{\mathrm{2,2}},···,C_{\mathrm{2,8}}\\ ····················\\ C_{i,1},C_{i,2},L,C_{i,8}\\ ····················\\ C_{K,1},C_{K,2},···,C_{K,8}\end{array}\right\},$式中，第i行{C_i，1，C_i，2，…，C_i，8}，表示第i帧特征视图F_i的模糊不变矩；(3)归一化处理步骤：对于模板目标模糊不变矩库MF进行归一化处理，得到模板目标归一化模糊不变矩库SMF：$\mathrm{SMF}=\left\{\begin{array}{c}{\mathrm{SC}}_{\mathrm{1,1}},{\mathrm{SC}}_{\mathrm{1,2}},···,{\mathrm{SC}}_{\mathrm{1,8}}\\ {\mathrm{SC}}_{\mathrm{2,1}},{\mathrm{SC}}_{\mathrm{2,2}},···,{\mathrm{SC}}_{\mathrm{2,8}}\\ ························\\ {\mathrm{SC}}_{i,1},{\mathrm{SC}}_{i,2},···,{\mathrm{SC}}_{i,8}\\ ························\\ {\mathrm{SC}}_{K,1},{\mathrm{SC}}_{K,2},···,{\mathrm{SC}}_{K,8}\end{array}\right\},$式中，i＝1、2、…、K，j＝1、2、…、8；符号||V||表示变量V的绝对值，max(V)表示取变量V的最大值；(4)计算待识别目标模糊不变矩步骤：将待识别目标的图像g(x，y)代替f_i(x，y)，进行子步骤(2.1)～(2.4)，得到待识别目标模糊不变矩{GC₁，GC₂，…，GC₈}；(5)归一化待识别目标模糊不变矩步骤：对待识别目标模糊不变矩{GC₁，GC₂，…，GC₈}进行归一化处理，得到待识别目标归一化模糊不变矩{SGC₁，SGC₂，…，SGC₈}：i＝1、2、…、K，j＝1、2、…、8；(6)目标识别步骤，包括下述子步骤：(6.1)遍历整个模板目标归一化模糊不变矩库SMF，计算待识别目标归一化模糊不变矩{SGC₁，SGC₂，…，SGC₈}与SMF中各行向量之间的欧式距离D₁、…、D_K；(6.2)从各欧式距离D₁、…、D_K中选取最小值D_S，将待识别目标归类为D_S对应的行向量所代表的特征视图所属三维模板目标。