[发明专利]一种基于局部相似结构统计匹配的目标识别方法

权利要求书

1.一种基于局部相似结构统计匹配的目标识别方法，其特征在于，包括以下步骤：

步骤一、对示例图片集Q的n张图片以及大小为m₁×m₂的测试图片T分别使用局部自适应核回归的方法提取图片的局部结构特征，并分别计算获得示例图片集Q的结构特征矩阵W_Q以及测试图片T的结构特征矩阵W_T；对结构特征矩阵W_Q去除冗余的相似列向量，获得各列向量互不相似的结构特征矩阵W_QR；

步骤二、就结构特征矩阵W_T中的每一个列向量，计算其与结构特征矩阵W_QR的每一个列向量夹角的余弦值，判断值最大的余弦值是否大于预先设定的相似阈值，若该最大余弦值大于预先设定的相似阈值，则保存该最大余弦值所对应结构特征矩阵W_QR中列向量的位置，获得位置索引矩阵Index；

步骤三、统计位置索引矩阵Index的所有局部窗口内不相同数值的个数num，获得相似度矩阵RM，根据RM获取测试图片中的目标位置。

2.如权利要求1所述的基于局部相似结构统计匹配的目标识别方法，其特征在于，步骤一中，

计算示例图片集Q的结构特征矩阵W_Q的方法为：

分别对构成示例图片集的n张图片{Q₁,Q₂,…,Q_n}使用局部自适应核回归的方法计算得到n张示例图片各自的结构特征矩阵其中，表示第n张示例图片Q_n的结构特征矩阵，然后把n个结构特征矩阵按列序从左至右组成表示整个示例图片集Q的结构特征矩阵W_Q，W_Q如公式(1)所示：

公式(1)中，P×P表示计算局部结构特征矩阵时选取的局部窗口的大小，N表示n张示例图片总的像素数，表示结构特征矩阵W_Q的第N列向量；

所述测试图片T的结构特征矩阵W_T如公式(2)所示：

公式(2)中，M表示测试图片T的总像素数,表示结构特征矩阵W_T的第M列向量。

3.如权利要求1所述的基于局部相似结构统计匹配的目标识别方法，其特征在于，步骤一中获得各列向量互不相似的结构特征矩阵W_QR过程为：

计算结构特征矩阵W_Q中每列向量与其他列向量的向量夹角的余弦值ρ，判断两列向量之间的余弦值是否大于预先设定的相似阈值，若余弦值大于预先设定的相似阈值，则判断该两个列向量相似，并从两个相似的列向量中去除其中一个列向量，剩余的不相似的列向量构成结构特征矩阵W_QR，对于结构特征矩阵W_Q中的任意两个列向量的余弦值ρ的计算方法如公式(3)所示：

公式(3)中列向量分别是结构特征矩阵W_Q中不同的两个列向量。