多目标图像的分层聚类方法技术

一种多目标图像的分层聚类方法，其特征在于包括如下步骤： １）根据初始设定的阈值对所有的目标点进行从大到小的排列，获得目标高度的最大值Ｈ↓［ｍａｘ］和最小值Ｈ↓［ｍｉｎ］； ２）根据目标高度的最大值和最小值对目标进行等值层次分割，分割区间根据具体的应用场合进行设定，获得各层所有的目标点； ３）判断第ｎ层的目标中心点是否在ｎ＋１层的目标区域内，遍历所有的目标中心点，若满足两点之间的最短距离（目标的最大宽度估计值），则认为是同一个目标，否则认为是不同的目标，将该目标中心点标记为新的目标点，存于相应的数组中； ４）在完成上下两层的目标点对应关系后，对相对应的目标进行分割和合并，若满足最短距离的条件，则进行合并，否则分割，对中心点未匹配的目标点认为是新目标的中心点； ５）从最上层依次开始，直至处理完最后一层，最后融合所有各层的目标中心点。（*该技术在2023年保护过期，可自由使用*）

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种，对拥挤条件下的多个被检测目标进行分层聚类和辨识，属于计算机信息图像处理和模式识别技术，可以应用于智能交通领域以及其他相关领域。图像中目标的识别和辨识方法的复杂性取决于目标的拥挤情况，在图像中目标较稀疏的情况下，利用单一阈值对图像中的目标(在激光图像中，目标高度是物体的实际高度，在一般图像中，则是灰度值)进行分割，采用已经相对成熟的辨识方法对分割的目标点进行聚类识别，可以获得较好的应用效果。但在目标拥挤的情况下，图像中拥挤的多个目标会连接在一起形成目标的连通区域，用单一分层后进行辨识的方法很难将目标点分割成独立的个体并进行成功的辨识，目前的相对成熟的分割技术都是针对稀疏的目标进行的，改变单一阈值的方法也有很多，如区域分割法等，但目前未见到有关对拥挤条件下的目标分割辨识的算法，对拥挤的目标进行准确辨识成为当前的一大难题，这是将辨识技术应用在实际场合时所必须解决的问题。为实现这样的目的，本专利技术的技术方案中考虑了目标的高度信息，对目标区域进行多层阈值分割，在目标高度方向上等值平分各层，每层单独进行聚类和辨识，然后进行多层的目标信息融合。根据实际的应用场合确定具体本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】

【专利技术属性】
技术研发人员：刘中华，周永权，刘允才，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：