[发明专利]一种具有拒识功能的平均模板识别方法

说明书

技术领域

本发明涉及一种具有拒识功能的平均模板识别方法，属于自动目标识别技术领域。

背景技术

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，本发明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。

发明内容

本发明要解决的问题是：克服现有技术的不足，提供一种具有拒识功能的平均模板识别方法，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。

本发明解决其技术问题所采用的技术方案是：一种具有拒识功能的平均模板识别方法，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：

（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。

所述步骤（1）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：

template=1KiΣk=1Kimagek]]>

式中template表示平均模板，image表示训练样本，K_i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＝||image-template||

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，||·||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(dis_train)

式中mean(·)为期望值，std(·)为标准差，dis_train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，本发明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dis_test，若该距离小于相应平均模板的识别门限值，即：

dis_test＜th

则给出判定的目标类型，否则拒识。

本发明与现有技术相比的优点在于：

（1）本发明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）本发明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为本发明方法的实现流程图；

图2为MSTAR数据中BMP2-C21目标的识别置信度曲线。

具体实施方式