[发明专利]一种复杂背景下小目标快速识别方法

权利要求书

1.一种复杂背景下小目标快速识别方法，其特征在于如下步骤：

第一步，确定目标模板图像的第一参数，所述第一参数是用于描述目标模板图像的形状与颜色特征；

第二步，确定待识别图像的若干采样点；

第三步，确定一系列采样点所对应的待识别区域；

第四步，确定所述一系列采样点对应的待识别区域的图像的第二参数，所述第二参数是用于描述采样点对应识别区域的图像的形状、颜色的特征；

第五步，计算第一参数与每一个第二参数的差异度；

第六步，根据差异度进行判定识别结果。

2.根据权利1所述的复杂背景下小目标快速识别方法，其特征在于，所述这种确定目标模板图像的第一参数的方法包括：

将目标模板图像转换成灰度图像；

将目标模板灰度图像进行分块，这些分块组成一个图像分块矩阵；

计算矩阵中每个分块的信息熵；

将每个分块的信息熵组成一个信息熵矩阵，该信息熵矩阵即为目标模板图的第一参数。

3.根据权利1所述的复杂背景下小目标快速识别方法，其特征在于，所述确定待识别图像若干采样点的方法包括：

将待识别图像转换成灰度图像；

对转换后的灰度图像进行小波变换，得到LL，LH，HL，HH四个细节子图，选取HH细节子图；

将HH细节子图进行滑动窗口去噪；

滑动窗口去噪后的HH细节子图中所有数值的绝对值大于0的点都为采样点。

4.根据权利1所述的复杂背景下小目标快速识别方法，其特征在于，所述确定一系列采样点对应的识别区域的方法包括：

根据采样点的位置确定一个物体存在区域；

根据物体存在区域中的每一个点，确定一系列的待识别区域。

5.根据权利1所述的复杂背景下小目标快速识别方法，其特征在于，所述确定所述一系列采样点对应的识别区域的图像第二参数的方法包括：

将一系列的待识别区域的图像转换成灰度图像；

将灰度图像进行分块，这些分块组成一个图像分块矩阵；

计算矩阵中每个分块的信息熵；

将每个分块的信息熵组成一个信息熵矩阵；该信息熵矩阵即为待识别区域的图像的第二参数。

6.根据权利1所述的复杂背景下小目标快速识别方法，其特征在于，所述这种确定第一参数与第二参数的差异度的方法包括：

计算每一个待识别区域的图像的第二参数与目标模板图像的第一参数的欧氏距离，并选取最小的欧氏距离，以及其所对应的待识别区域。

7.根据权利1所述的复杂背景下小目标快速识别方法，其特征在于，所述这种确定根据第一参数与第二参数的比较结果确定待识别区域的方法包括：

选取与目标模板图像的第一参数的欧氏距离最小的欧氏距离，比较是否小于判定阈值，如果小于判定阈值，则判定该欧氏距离所对应的识别区域的图像与目标模板图像最相似，该待识别区域就为目标所在区域。