[发明专利]一种多尺度图形识别方法

权利要求书

1.一种多尺度图形识别方法，其特征在于：依次采用如下步骤进行：

图形中心归一化；形态学特征提取；图形角度分析；图形多尺度识别；

其中形态学特征提取的具体要求为：采用固定大小的圆在图形内部动态移动，遍历所有能够移动到的位置并且保证圆始终在图形内部，遍历不到的位置即剩余面积作为图形的形态学特征图像；

图形角度分析依次采用如下步骤进行：

步骤1，对形态学特征图像建立特征向量，计算其与模板向量的欧式距离，如式(6)所示，f、m分别为图像的特征向量和模板向量，其中f(k)为图像特征向量第k个向量值，m(k)为模板向量第k个向量值；

步骤2，每计算一次，重新构建一次特征向量，即在按照式(6)初次计算之后把特征向量逐位移动获得一个新的特征向量，移位后再回到步骤1，重新计算欧式距离；移位位数不同的各个新构建的特征向量表示为fⁿ，n为移动的次数；重复上述过程借此能够获得一系列特征向量并分别求取其各自对应的欧氏距离；

步骤3，求取与模板向量欧式距离最小的那个特征向量，以此特征向量移动的次数n来确定待识别图像与模板图像的方向差，如式(7)所示，

2.按照权利要求1所述多尺度图形识别方法，其特征在于：图形多尺度识别的具体要求是：采用尺寸不同的圆多次进行形态学特征提取，建立多尺度的特征向量，并计算欧式距离进行匹配。

3.按照权利要求2所述多尺度图形识别方法，其特征在于：在建立多尺度的特征向量时，只选用剩余面积变化大的圆进行形态学特征提取，具体要求如下：

首先，建立圆形半径与剩余面积的函数，数学表示如下：r表示圆形半径，y为在此圆形半径下过滤后的剩余面积，剩余像素个数y＝s(r)；

其次，求取此剩余面积函数的梯度，数学表示如下：

如果s'(r)>T，则选定半径r₂作为多尺度分析的圆形半径之一，其中T为梯度阈值；

最后，依据满足上述要求的所有被选定的用于形态学特征提取的圆形的半径，建立其各自尺度下剩余面积的特征向量f₁,f₂,…f_n，特征向量融合表示为如下：

F＝{f₁,f₂,…f_n} (10)。

4.按照权利要求1或2或3所述多尺度图形识别方法，其特征在于：对建立的特征向量进行归一化处理，在对特征向量计算模板向量欧式距离匹配时，根据最小距离判断其所属类别，要求距离值小于固定的阈值，如式(11)，其中D为预设的阈值，d(i)为与第i个模板的距离；

如果d(i)<D，则认为图像为第i个模板的类别，如式(12)所示：

5.按照权利要求1或2或3所述多尺度图形识别方法，其特征在于：对图形的形态学特征图像建立的特征向量具体为扇形特征向量，具体要求如下：图形的形态学特征图像以中心点出发，每隔一定角度建立一个扇形区域，对扇形区域内的剩余面积的转动惯量，建立一个特征向量；操作具体为：首先设步长为Δθ，在图形中心建立扇形区域，则图形被划分为N部分区域，对每个分区计算剩余面积区域像素点转动惯量作为此扇区的特征值，即J＝∑m×r²，其中m取为像素点的像素值，为了便于计算试验中像素值设定常量值为1；r为像素点到扇形中心的距离，设定扇形中心点为坐标(0，0)点，即扇形区域中剩余面积的像素点坐标为(x，y)，以此特征值建立特征向量f＝{J₁,J₂…J_N}。