[发明专利]人机交互筛选识别机载目标图像的方法

说明书

本发明公开的一种人机交互筛选识别机载目标图像的方法，旨在提出一种计算量小，识别准确率高的识别机载目标图像的方法。本发明通过下述技术方案予以实现：首先对飞机目标识别的经验、知识进行整理并形成飞机特征的图像识别数据库；基于指纹特征的比对识别，依次进行飞机上特殊文字、特殊图案的人机交互比对识别的指纹特征，并对飞机上可视特征、几何特征的人机交互筛选识别；在基于指纹特征的比对识别与基于可视特征及几何特征的筛选识别之间，判断比对识别和筛选识别是否成功，如果成功，直接输出识别结果，否则，通过样片相似度算法进行飞机样片与图像识别数据库样片的相似度比对识别，根据相似程度辅助完成目标识别。

技术领域

本发明涉及一种应用于图像目标识别领域，对图像中的飞机目标进行人机交互识别的方法。

背景技术

目标识别是图像处理领域与机器视觉领域的一个基础课题。研究表明，对不同目标进行目标检测、目标辨识、目标分类、目标描述时，对图像分辨率有不同的要求。随着机载成像分辨率越来越高，要识别目标，收集的数据量之大远远超过人工迅速作出判断的极限，传统的人工判读己经难以完成如此之大的工作量，人工判读的主观错误和理解错误由此不可避免，这种识别方式由于没有把这些经验整理成知识并形成系统性的知识库，对机载操作人员的素质要求高，识别性能也与机载操作人员的工作压力及状态影响较大。另外，由于SAR特殊的成像机理和斑点噪声的存在，SAR图像不像光学图像那样能直观地被理解，图像性能的好坏直接影响到后续的识别工作。SAR成像参数的轻微波动，如俯视角、目标方位角及其配置的变化，都会引起图像特征的剧烈变化。SAR图像的复杂性带来自动目标识别ATR系统的复杂性，其计算量非常大。SAR图像中噪声的存在很大程度上降低了图像的质量，模糊了感兴趣区域的特征信息，影响了后续的目标识别等应用。

机载图像自动目标识别一直存在识别准确率低、对图像训练样本的质量和数量要求高等问题。由于SAR图像具有很强的斑点噪声，加之图像特征的易变性，利用SAR图像进行自动目标识别是一件比较困难的工作。由于机载成像雷达的目标识别多是高空作业，识别的目标图像信息易受到高空外部噪声、机身的抖动、被测物体的抖动和采样速度过低等因素的干扰，可识别特征发生严重衰减，使得目标的识别图像可分辨性变差。自动化的目标识别算法可以采用模板匹配、特征匹配以及先进的机器学习、深度学习算法等，这些方法通常存在着识别准确率低、计算量大、对图像训练样本的质量和数量要求高等缺点，距离实用化有一定差距。模板匹配方法采用样本均值作为模板，但模板数量随着方位角间隔的缩小而增加，以较大的存储空间换取较好的分类识别率。机器学习方法也很多，如Kottke D.P采用隐Markov模型来建模，其特征序列由每一类区域(背景、阴影、浅目标区和亮目标区四类)的每个角度Radon变换值首尾相接而成，取得较好的目标识别效果。

发明内容

本发明的目的是针对飞机自动目标识别的识别准确率低、人工目标识别受机载操作人员的人员素质、工作状态影响大等问题，提出一种计算量小，识别准确率高，适用于机载操作员的人机交互筛选识别机载目标图像的方法。

本发明的上述目的可以通过以下措施来得到，一种人机交互筛选识别机载目标图像的方法，具有如下技术特征：首先对飞机目标识别的经验、知识进行整理并形成飞机特征的图像识别数据库；基于指纹特征的比对识别，依次进行飞机上特殊文字、特殊图案的人机交互比对识别的指纹特征，并对飞机上可视特征、几何特征的人机交互筛选识别；在基于指纹特征的比对识别与基于可视特征及几何特征的筛选识别之间，判断比对识别和筛选识别是否成功，如果成功，直接输出识别结果，否则，通过样片相似度算法进行飞机样片与图像识别数据库样片的相似度比对识别，根据相似程度辅助完成目标识别。

本发明具有以下技术效果：