The invention belongs to the technical field of the optimization method of digital image target recognition, and relates to a target recognition method based on K mean clustering. According to the invention of traditional sea target recognition algorithm in recognition rate is not high, easily affected by the environment and other issues, the original image of RGB color space conversion to HLS color space, eliminate the influence of the sea and the sky background color and brightness of target recognition, and calculation method of clustering center and gradually optimize the classifier by ant colony, to improve the target recognition rate, strengthen the robustness of the algorithm.
【技术实现步骤摘要】
一种基于K均值聚类的目标识别方法
本专利技术属于数字图像目标识别的优化方法
,涉及一种基于K均值聚类的目标识别方法。
技术介绍
我国目前重视海洋资源的开发,对海洋水面态势的监测及对海上目标的识别是高效开采海洋资源的有力保障。海上目标一般指海上舰船或漂浮物,对海上目标进行监测需要数字图像的目标识别技术。目标识别是指在数字图像中利用感兴趣的目标的特殊属性对目标进行识别,其属性包括形状、颜色、位置等。图像目标识别步骤主要包括图像预处理、特征抽取、分类器设计、分类决策。预处理主要完成图像的增强和滤波处理;特征抽取将图像的测量空间原始数据通过变换转换为特征空间中最能反映分类本质的特征;分类器设计按照一定的规则通过分析和训练建立合理的样本库,对待识别样本进行正确分类;分类决策在特征空间中对待识别对象通过判别函数进行分类。现有的图像图标识别方法应用于海面目标检测,易受环境影响,具有识别率不高的缺陷。
技术实现思路
(一)要解决的技术问题本专利技术要解决的技术问题是:针对传统的海面目标识别方法中识别率不高、易受环境影响等问题,提供一种基于K均值聚类的目标识别方法,提高海面目标识别率。(二)技术方案为了解决上述技术问题,本专利技术提供一种基于K均值聚类的目标识别方法,其包括以下步骤:第一步:对第一幅图像进行RGB颜色空间向HSL颜色空间的转换;第二步:在HSL颜色空间中,对样本在该空间中将三维坐标进行单位划分统计,根据单位空间的样本密度得到初始的几类聚类核的位置;第三步:计算每个样本向量到各自聚类核的欧氏距离,并归入距离最近的聚类块中;第四步:统计每个聚类区域内各个样本至 ...
【技术保护点】
一种基于K均值聚类的目标识别方法,其特征在于,包括以下步骤:第一步:对第一幅图像进行RGB颜色空间向HSL颜色空间的转换;第二步:在HSL颜色空间中,对样本在该空间中将三维坐标进行单位划分统计,根据单位空间的样本密度得到初始的几类聚类核的位置;第三步:计算每个样本向量到各自聚类核的欧氏距离,并归入距离最近的聚类块中;第四步:统计每个聚类区域内各个样本至聚类核的距离和,统计各个聚类核之间的距离;第五步:重新调整聚类中心,将每个聚类核依次在HSL空间中移动相邻的六个方向各一个单位,重新计算,使每类样本与聚类核的距离减小,使聚类核的位置尽量靠近每个聚类空间的中心;迭代第五步直至每类聚类区域内的距离和变化低于设定阈值;第六步:对HSL颜色空间的不同坐标方向的距离进行加权,使本区域内的各个样本与聚类核的距离最小,使不同聚类核的距离最大;迭代第六步直至上述两个指标达到阈值;第七步:根据聚类区域可确定图像中不同于大海和蓝天的目标,根据其在原图像测量空间中的位置,确定目标的位置。
【技术特征摘要】
1.一种基于K均值聚类的目标识别方法,其特征在于,包括以下步骤:第一步:对第一幅图像进行RGB颜色空间向HSL颜色空间的转换;第二步:在HSL颜色空间中,对样本在该空间中将三维坐标进行单位划分统计,根据单位空间的样本密度得到初始的几类聚类核的位置;第三步:计算每个样本向量到各自聚类核的欧氏距离,并归入距离最近的聚类块中;第四步:统计每个聚类区域内各个样本至聚类核的距离和,统计各个聚类核之间的距离;第五步:重新调整聚类中心,将每个聚类核依次在HSL空间中移动相邻的六个方向各一个单位,重新计算,使每类样本与聚类核的距离减小,使聚类核的位置尽量靠近每个聚类空间的中心;迭代第五步直至每类聚类区域内的距离和变化低于设定阈值;第六步:对HSL颜色空间的不同坐标方向的距离进行加权,使本区域内的各个样本与聚类核的距离最小,使不同聚类核的距离最大;迭代第六步直至上述两个指标达到阈值;第七步:根据聚类区域可确定图像中不同于大海和蓝天的目标,根据其在原图像测量空间中的位置,确定目标的位置。2.如权利要求1所述的基于K均值聚类的目标识别方法,其特征在于,第一步中,RGB颜色空间向HSL颜色空间转换的计算公式为:
【专利技术属性】
技术研发人员:李鹏,
申请(专利权)人:天津津航计算技术研究所,
类型:发明
国别省市:天津,12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。