[发明专利]一种基于多层信息的物体鉴别方法

权利要求书

1.一种基于多层信息的物体鉴别方法，其特征在于，包括：

标准样本特征建立，采集所收集到的标准样本的多光谱图像，并提取多光谱图像的特征，光谱至少包括可见光光谱与紫外光谱或/红外光谱，以获得标准样本表层与内层的特征；

待检样本的图像采集，采集到待检样本的多光谱图像，其光谱波长与标准样本特征建立时的波长相同；

对上述采集到的待检样本进行处理，提取出待检样本的图像特征，该图像特征的类别与标准样本相同；

物体鉴别，通过标准样本特征与待检样本特征的比较，判断待检样本是否与标准样本相同或具备某种属性。

2.根据权利要求1所述的物体鉴别方法，其特征在于，标准样本特征建立包括标准样本数据收集、标准样本图像采集、标准样本的图像特征提取，其中标准样本数据收集时，每一个样本建立多份光谱图像数据，分别对应不同层的信息。

3.根据权利要求1所述的物体鉴别方法，其特征在于，标准样本特征建立时，在标准样本的图像特征提取后，还包括标准样本库的分类与建库，建立标准样本的数据库。

4.根据权利要求1所述的物体鉴别方法，其特征在于，待检样本的图像采集时，控制待检样本和标准样本的收集环境类似，或/和通过摄像机补光单元进行弥补。

5.根据权利要求1所述的物体鉴别方法，其特征在于，对上述采集到的待检样本进行处理，在提取图像特征时，还包括图像标准化，使得待检样本与标准样本的尺寸、亮度一致。

6.根据权利要求1所述的物体鉴别方法，其特征在于，物体鉴别采用基于样本距离的方式，包括：每一个光谱得到一个距离，记为：R＝[R₁，R₂，…，R_n]，其中n为光谱数量；每个光谱取k个排名靠前的样本，且赋予这k个排序结果不同的权值，取权值系数为：{e₁，e₂，…，e_k}；对各光谱设置权值系数{E₁，E₂，…，E_n}，E_n根据不同层次置信度高低来设定系数大小；最终得分表示为所有排名的加权结果：其中，表示每类光谱图像的排名靠前的k个结果中出现了y_i的排名，e_i表示对应排名的权值，E_m表示不同光谱图像特征的权值，最终，取得分最高的排名作为比对结果，认定待检样本与标准样本相同。

7.根据权利要求1所述的物体鉴别方法，其特征在于，物体鉴别采用基于机器学习的鉴别方式，包括多光谱图像融合、模型训练、目标鉴定。

8.根据权利要求7所述的物体鉴别方法，其特征在于，多光谱图像融合采用基于前向融合的方法，包括：设提取到的图像特征用F来表示，其中F＝[f1，f2，…，fn]表示提取到的一个光谱图像特征，将所有光谱的特征排成一个矩阵，FF(i，j)＝[F1，F2，…，Fj]^T，利用空间投射或者降维方法对FF矩阵进行降维和特征值提取，用降维后的数据来表示所有光谱的图像特征。

9.根据权利要求8所述的物体鉴别方法，其特征在于，模型训练输入的样本描述是多光谱图像融合步骤获得的降维后的数据，输出是样本类别。

10.根据权利要求9所述的物体鉴别方法，其特征在于，目标鉴定中，最终的识别结果是综合不同光谱图像的比对结果进行加权，取得分最高的样本作为最终鉴定结果，若最高得分超过预设阈值，则认定待检样本与标准样本相同。