一种具有拒识功能的平均模板识别方法技术

一种具有拒识功能的平均模板识别方法，包含以下步骤：（1）利用训练样本图像生成平均模板，并计算平均模板与训练样本间的欧氏距离；（2）根据步骤（1）中样本与平均模板间的欧氏距离的统计信息计算目标识别门限；（3）对平均模板与待识别图像间的欧氏距离进行处理，对欧氏距离小于识别门限的图像判定目标类型，对大于识别门限的图像拒识。本发明专利技术根据欧氏距离的统计信息自适应计算识别门限，不同类目标的识别门限相互独立。由MSTAR数据进行目标识别的实验表明，该方法不仅对模板类目标有很高的识别准确率，同时能够有效拒识未经训练的非模板类目标，是一种有效的目标识别方法。

【技术实现步骤摘要】

本专利技术涉及，属于自动目标识别

技术介绍
自动目标识别在图像理解、计算机视觉、自动控制等诸多领域都有着重要的应用，已提出了很多的实现方法，其中，平均模板识别方法由于原理简单、实现方便，是目前应用较为广泛的方法之一，如基于平均模板的红外图像识别、人脸识别、指纹识别、SAR图像识别等等。通过对训练样本数据的分组平均，得到平均模板，进而利用平均模板与待识别图像间的距离判断目标类型。由于实际应用中目标类别的多样性，目前的平均模板识别方法主要实现了模板类目标的分类识别，对于未经训练的非模板类目标样本，其拒识能力有限或者根本不具备拒识能力。这时，对于非模板类目标数据，会得到错误的识别结果。鉴于此，本专利技术对普通的平均模板识别方法进行改进，使其具备了对非模板类目标的拒识能力。
技术实现思路
本专利技术要解决的问题是:克服现有技术的不足，提供，该方法不仅能够有效进行模板类目标的识别，而且对未经训练的非模板类目标具有拒识能力。本专利技术解决其技术问题所采用的技术方案是:，其特征在于:首先构造目标的平均模板和识别门限，然后计算待识别图像与该平均模板间的欧氏距离，通过对欧氏距离和识别门限的比较，对待识别图像进行识别或者拒识，具体包括以下步骤:(I)利用训练样本图像生成平均模板，并计算平均模板与训练样本间的欧氏距离；(2)根据步骤(I)中训练样本与平均模板间的欧氏距离的统计信息计算目标识别门限；(3)利用平均模板与待识别图像间的欧氏距离进行识别处理，对欧氏距离小于识另IJ门限的图像，给出判定的目标类型，对欧氏距离大于识别门限的图像拒识。所述步骤(I)中，对分组训练样本的灰度值做统计平均以形成模板，计算公式为:.1 κtemplate = —^ Imagek式中template表示平均模板，image表示训练样本，Ki表示第i类样本数目。然后计算出平均模板与训练样本间的欧氏距离，计算公式为:dis = I I image-template I式中dis为平均模板与训练样本的欧氏距离，image为训练样本，template为平均模板，11.11为二范数运算。所述步骤(2)中，根据训练样本与平均模板间欧氏距离的统计信息定义自适应识别门限，其计算方法为:th = mean (dis)+n*std (diStrain)式中mean( )为期望值，std( )为标准差，diStrain为平均模板与相应训练样本间的欧氏距离，n为门限系数，其取值范围为3 7。所述步骤(3)中，本专利技术所述识别处理与普通的平均模板目标识别方法相比，增加了对目标的拒识功能。首先计算待识别图像与各类平均模板的欧氏距离，其中最小者作为待识别图像与平均模板间的距离，记为distest，若该距离小于相应平均模板的识别门限值，即:di Stest < th则给出判定的目标类型，否则拒识。本专利技术与现有技术相 比的优点在于:(I)本专利技术在平均模板目标识别算法的基础上增加了拒识功能，对待识别图像是否为模板类目标进行判断，若待识别目标不是模板类目标则进行拒识。( 2)本专利技术所采用的识别门限根据训练样本与平均模板间的统计信息自适应计算得到，且对于不同类模板单独设置识别门限，使得不同类目标的识别门限相互独立。附图说明图1为本专利技术方法的实现流程图；图2为MSTAR数据中BMP2-C21目标的识别置信度曲线。具体实施例方式下面结合附图及具体实施方式详细介绍本专利技术。本专利技术以图像中目标区域的灰度值作为特征，采用均方误差(Mean SquareError:MSE)或称之为最小距离分类器对目标进行分类，计算待识别图像与各类模板间的欧氏距离，将待识别图像判为距离最小的模板所对应的目标。本专利技术在原有平均模板算法的基础上加入了拒识功能，根据训练样本的统计信息自适应设置识别门限，实现了对待识别图像为模板类目标样本和非模板类目标样本的判断，提高了平均模板识别方法的准确性。具体实现如图1所示:(I)利用训练样本图像生成平均模板，并计算平均模板与训练样本间的欧氏距离；在该步骤中，首先读取N类训练样本图像，将图像灰度值相加取平均后构成N类模板，计算公式如下:权利要求1.，其特征在于步骤如下: (1)利用训练样本生成平均模板，并计算平均模板与训练样本间的欧氏距离； (2)根据步骤(I)中样本与平均模板间的欧氏距离的统计信息计算目标识别门限； (3)对平均模板与待识别图像间的欧氏距离进行处理，对欧氏距离小于识别门限的图像判定目标类型，对大于识别门限的图像拒识； 所述步骤(2)中，根据训练样本与平均模板间欧氏距离的统计信息进行自适应识别门限的计算方法为: th = mean (dis)+n*std (di Strain) 式中mean( )为期望值，std( )为标准差，distMin为平均模板与相应训练样本间的欧氏距离，n为门限系数,取值范围为3 7 ; 所述步骤(3)的识别处理与普通的平均模板目标识别方法相比，增加了对目标的拒识功能；利用平均 模板与待识别图像间的欧氏距离同步骤(2)中定义的识别门限进行比较，对欧氏距离小于识别门限的图像，给出判定的目标类型，对欧氏距离大于识别门限的图像拒识。全文摘要，包含以下步骤(1)利用训练样本图像生成平均模板，并计算平均模板与训练样本间的欧氏距离；(2)根据步骤(1)中样本与平均模板间的欧氏距离的统计信息计算目标识别门限；(3)对平均模板与待识别图像间的欧氏距离进行处理，对欧氏距离小于识别门限的图像判定目标类型，对大于识别门限的图像拒识。本专利技术根据欧氏距离的统计信息自适应计算识别门限，不同类目标的识别门限相互独立。由MSTAR数据进行目标识别的实验表明，该方法不仅对模板类目标有很高的识别准确率，同时能够有效拒识未经训练的非模板类目标，是一种有效的目标识别方法。文档编号G06K9/62GK103246889SQ20131016116公开日2013年8月14日 申请日期2013年5月4日 优先权日2013年5月4日专利技术者王文光, 刘凯琪, 孙进平, 孙作为 申请人:北京航空航天大学本文档来自技高网...

【技术保护点】
一种具有拒识功能的平均模板识别方法，其特征在于步骤如下：（1）利用训练样本生成平均模板，并计算平均模板与训练样本间的欧氏距离；（2）根据步骤（1）中样本与平均模板间的欧氏距离的统计信息计算目标识别门限；（3）对平均模板与待识别图像间的欧氏距离进行处理，对欧氏距离小于识别门限的图像判定目标类型，对大于识别门限的图像拒识；所述步骤（2）中，根据训练样本与平均模板间欧氏距离的统计信息进行自适应识别门限的计算方法为：th＝mean(dis)+n*std(distrain)式中mean(·)为期望值，std(·)为标准差，distrain为平均模板与相应训练样本间的欧氏距离，n为门限系数，取值范围为3～7；所述步骤（3）的识别处理与普通的平均模板目标识别方法相比，增加了对目标的拒识功能；利用平均模板与待识别图像间的欧氏距离同步骤（2）中定义的识别门限进行比较，对欧氏距离小于识别门限的图像，给出判定的目标类型，对欧氏距离大于识别门限的图像拒识。

【技术特征摘要】

【专利技术属性】
技术研发人员：王文光，刘凯琪，孙进平，孙作为，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：