雷达图像识别方法及装置制造方法及图纸

本公开是关于一种雷达图像识别方法及装置

【技术实现步骤摘要】
雷达图像识别方法及装置、电子设备、存储介质


[0001]本公开涉及图像识别
，具体而言，涉及一种雷达图像识别方法及装置
、
电子设备
、
存储介质
。

技术介绍

[0002]随着技术的发展和进步，雷达图像识别技术在军事
、
民用和医疗等领域中的应用日益广泛
。
比如，雷达图像识别技术在地形勘察
、
气象预报
、
自动驾驶
、
安全监控及医疗诊断中都具有广阔的应用前景
。
相关技术中，在雷达图像识别时，通过使用人工智能和机器学习算法来学习图像中的模式和特征，进而实现图像的识别，该种图像识别方法存在识别精度较低的问题
。
[0003]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息
。

技术实现思路

[0004]本公开的目的在于提供一种雷达图像识别方法及装置
、
电子设备
、
存储介质，进而至少一定程度上提升雷达图片识别的精度
。
[0005]根据本公开的第一方面，提供一种雷达图像识别方法，所述方法包括：
[0006]将待识别图片转换为灰度图像，并通过一维数据集
X
表示，所述数据集
X
中包括
n
个像素单元的灰度数据，
n
为大于等于2的正整数；
[0007]计算数据集
X
的相似度矩阵
A1
；
[0008]在待识别图像中选取多个类标点，并修正所述相似度矩阵中和所述类标点相关的值，得到修正相似度矩阵
A2
，多个所述类标点均为待识别图像中的前景，或者多个所述类标点均为待识别图像中的背景；
[0009]根据所述修正相似度矩阵
A2
对所述待识别图片进行聚类分割，得到分割结果；
[0010]对比所述分割结果和图库中的图像，以实现待识别图片的识别
。
[0011]在本公开的一实施方式中，所述计算数据集
R
的相似度矩阵
A1
，包括：
[0012]分别计算数据集
R
中各像素的尺度参数；
[0013]根据所述尺度参数，计算所述数据集
R
的相似度矩阵
。
[0014]在本公开的一实施方式中，计算数据集
R
中各像素的尺度参数通过公式1实现：
[0015][0016]其中，
σ
i
为像素
i
的尺度参数，
x
i
为像素
i
的灰度值，
x
d
为和像素
i
的距离
d
个的像素的灰度值，
m
为大于等于2的正整数；
[0017]根据所述尺度参数，计算所述数据集
R
的相似度矩阵，通过公式2和3实现：
[0018][0019]A
ij
＝
exp(
‑
||x
i
‑
x
j
||2/
σ
i
σ
j
) i,j∈(1
，
n)
ꢀꢀꢀ3[0020]其中，
A
ij
表示相似度矩阵
A
的任意元素，
σ
i
，
σ
j
分别表示数据集中任意点
x
i
和
x
j
对应的尺度参数，
||x
i
‑
x
j
||
表示点
x
i
和
x
j
的欧氏距离
。
[0021]在本公开的一实施方式中，修正所述相似度矩阵中和所述类标点相关的值，包括：
[0022]将相似度矩阵
A1
中和类标点对应的元素的值修正为1，得到修正相似度矩阵
A2。
[0023]在本公开的一实施方式中，修正所述相似度矩阵中和所述类标点相关的值，包括：
[0024]将相似度矩阵
A1
中和类标点对应的元素的值修正为1，得到修正相似度矩阵
A3
；
[0025]计算多个类标点的灰度值的平均值
p
；
[0026]将
n
个像素点中灰度值和平局值的差值小于预设值的像素点作为辅助类标点；
[0027]将修正相似度矩阵
A3
中和辅助类标点对应的元素的值修正为1，得到修正相似度矩阵
A2。
[0028]在本公开的一实施方式中，所述根据所述修正相似度矩阵
A2
对所述待识别图片进行聚类分割，包括：
[0029]利用所述修正相似度矩阵
A2
，构造拉普拉斯矩阵；
[0030]对所述拉普拉斯矩阵进行聚类，以将图片中的
n
个像素划分为黑白两类
。
[0031]在本公开的一实施方式中，在将待识别图片转换为灰度图像之前，所述方法还包括：
[0032]获取雷达待识别图片，并对所述待识别图片进行校准
。
[0033]根据本公开的第二方面，提供一种雷达图像识别装置，所述装置包括：
[0034]转换模块，用于将待识别图片转换为灰度图像，并通过一维数据集
X
表示，所述数据集
X
中包括
n
个像素的灰度数据，
n
为大于等于2的正整数；
[0035]计算模块，用于计算数据集
X
的相似度矩阵
A1
；
[0036]修正模块，用于在待识别图像中选取多个类标点，并修正所述相似度矩阵中和所述类标点相关的值，得到修正相似度矩阵
A2
，多个所述类标点均为待识别图像中的前景，或者多个所述类标点均为待识别图像中的背景；
[0037]分割模块，用于根据所述修正相似度矩阵
A2
对所述待识别图片进行聚类分割，得到分割结果；
[0038]识别模块，用于对比所述分割结果和图库中的图像，以实现待识别图片的识别
。
[0039]根据本公开的第三方面，提供一种电子设备，包括
[0040]处理器；以及
[0041]存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的方法
。
[0042]根据本公开的第四方面，提供一种计算机可读存储介质，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种雷达图像识别方法，其特征在于，所述方法包括：将待识别图片转换为灰度图像，并通过一维数据集
X
表示，所述数据集
X
中包括
n
个像素单元的灰度数据，
n
为大于等于2的正整数；计算数据集
X
的相似度矩阵
A1
；在待识别图像中选取多个类标点，并修正所述相似度矩阵中和所述类标点相关的值，得到修正相似度矩阵
A2
，多个所述类标点均为待识别图像中的前景，或者多个所述类标点均为待识别图像中的背景；根据所述修正相似度矩阵
A2
对所述待识别图片进行聚类分割，得到分割结果；对比所述分割结果和图库中的图像，以实现待识别图片的识别
。2.
如权利要求1所述的方法，其特征在于，所述计算数据集
R
的相似度矩阵
A1
，包括：分别计算数据集
R
中各像素的尺度参数；根据所述尺度参数，计算所述数据集
R
的相似度矩阵
。3.
如权利要求2所述的方法，其特征在于，计算数据集
R
中各像素的尺度参数通过公式1实现：其中，
σ
i
为像素
i
的尺度参数，
x
i
为像素
i
的灰度值，
x
d
为和像素
i
的距离
d
个的像素的灰度值，
m
为大于等于2的正整数；根据所述尺度参数，计算所述数据集
R
的相似度矩阵，通过公式2和3实现：
A
ij
＝
exp(
‑
||x
i
‑
x
j
||2/
σ
i
σ
j
) i,j∈(1
，
n)
ꢀꢀꢀꢀ3其中，
A
ij
表示相似度矩阵
A
的任意元素，
σ
i
，
σ
j
分别表示数据集中任意点
x
i
和
x
j
对应的尺度参数，
||x
i
‑
x
j
||
表示点
x
i
...

【专利技术属性】
技术研发人员：杨杰，李波，白月，许驰，程蕾，
申请(专利权)人：西安雷通科技有限责任公司，
类型：发明
国别省市：