一种基于DSmT的图像目标多特征融合识别方法

摘要

本发明公开了一种基于DSmT的图像目标多特征融合识别方法，其首先，我们将提取图像目标的矩和轮廓等多个特征量作为证据源，以获得足够多的有用互补信息；接着，我们通过由广泛应用于分类的PNN神经网络来构造目标识别率矩阵；然后根据PNN网络的初识别结果和类似统计学中极大似然思想的规则，用目标识别率矩阵对基本信度进行赋值；最后用DSmT组合规则进行决策级数据融合，完成对三维目标的识别。本发明提供的基于DSmT的图像目标多特征融合识别方法，能够解决在三维目标识别中由于信息获取的不精确、不确定、不完全和高度冲突等导致目标识别率不高的问题。

主权项

1.一种基于DSmT的图像目标多特征融合识别方法，其特征在于：该方法包括如下步骤：（1）提取目标图像的矩特征量和轮廓特征量，其中矩特征量包括Hu矩、归一化转动惯量和仿射不变矩，轮廓特征量包括轮廓离散化参数和奇异值；（2）依据每个特征量构建PNN神经网络并对其进行训练，得到各自的目标识别率矩阵；具体方法为：根据针对超幂集空间仅单子焦元和完全未知焦元具有信度赋值的情况，利用DSmT经典组合规则和PCR5重新分配规则进行融合，具体模型如下表：其中m_i表示第i种特征量，T_j表示目标T被判定为第j类，It＝T₁∪...∪T₇表示未知类别，x_ij表示目标T根据特征i被判定为第j类的信度赋值；（3）根据PNN网络的初识别结果和统计学中极大似然思想的规则，用目标识别率矩阵对基本信度进行赋值；（4）用DSmT组合规则进行决策级数据融合，完成对三维目标的识别。