[发明专利]一种目标特征识别分析系统

权利要求书

1.一种目标特征识别分析系统，其特征在于，包括数据采集模块、预处理模块、阈值分析模块、目标分析模块、数据传输模块、控制中心模块、存储模块，数据采集模块对目标的图像数据和目标分析数据进行采集得到目标数据，预处理模块对图像数据进行预处理得到目标预处理数据，目标分析模块对目标预处理数据进行分析得到目标分析数据，控制中心模块是系统的控制中心，阈值分析数据通过目标分析数据的分析对阈值分割算法的阈值进行分析得到动态阈值参数，并将得到的动态阈值参数发送至目标分析模块，目标分析模块根据动态阈值参数对目标预处理数据进行背景分割和特征提取，并对目标进行分析得到目标分析结果，系统得具体分析过程如下：

(1)、数据采集模块包括图像采集模块和分析数据采集模块，通过图像采集模块对目标进行图像采集得到图像数据，并将图像数据发送至存储模块进行存储，预处理模块根据图像数据的采集时间t进行分类得到目标图像组，并对目标图像组的图像进行预处理得到目标预处理数据；

(2)、目标分析模块首先对预处理模块的分析得到的目标预处理数据中的试验目标图像的像素点进行分析得到试验分析结果，数据采集模块对目标分析模块对试验目标图像的分析过程产生的试验目标分析数据进行采集，并由目标分析模块将试验目标分析数据发送至阈值分析模块，具体的分析过程如下：

步骤一、将目标预处理数据中试验目标图像的上的一个n维像素点记为P(x₁,x₂,x₃…,x_n)，X为n维试验目标图像上的点集，利用线性可分的分类器对像素点进行分类，分类器的线性评估函数的表达式为：

y(x)＝w^Tx+b，

其中，y(x)为不同分类类别的分值，x表示目标图像的像素点，w为权重参数，w^T为矩阵的转置，b为偏差参数；

步骤二、以每一个像素点为一个图像特征，目标分析模块对像素点进行计算分析对试验目标图像的目标和背景进行分割，像素点与超平面的距离可以用以下如下表达式进行计算：

其中，W＝(w₁,w₂,w₃,…,w_n)为权重参数向量，在每一个超平面的分割区域都对应的一个边缘临界的阈值，目标分析模块利用阈值分割法对试验目标图像中的目标进行阈值分割，并提取目标的特征，目标分析模块再利用机器算法进行机器训练和目标识别，并将试验目标图像的分析过程中产生的试验目标分析数据发送至阈值分析模块；

步骤三、阈值分析模块通过对试验目标分析数据、权重参数向量和偏差参数b进行分析得到动态阈值参数并将动态阈值参数发送至目标分析模块，动态阈值参数的分析计算过程如下：

步骤1、预处理模块根据目标图像的采集环境设定采集时间t，根据采集时间t确定目标图像组中试验目标图像和待测目标图像的分类，再目标图像组中阈值分析模块利用几何分析法对试验目标图像和待测目标图像的像素点的位置进行分析，计算试验目标图像和待测目标图像的目标图像之间的像素点的变化率，相邻的两个像素点为c₁和c₂，每一个像素点到本目标图像的超平面的距离记为d₁和d₂，试验目标图像和待测目标图像中对应像素点的偏移距离记为Δc₁和Δc₂，像素点之间的连线为基线，则c₁和c₂的变动坐标为C₁和C₂，且满足以下方程：

s₁C₁＝K₁(Rc₁+ε₁),

s₂C₂＝K₂(Rc₂+ε₂),

式中，K₁和K₂是一个试验目标图像和待测目标图像对应像素点之间的变动矩阵，s₁和s₂为尺度比例数，R是两个图像之间的变动矩阵，ε₁和ε₂为采集过程中的采集误差；

步骤2、以试验目标图像中的像素点在待测目标图像中的变化的概率为研究对象，通过概率分析得到采集误差ε₁和ε₂，是R是反对称矩阵，概率分析方程如下：

其中，a为基线的数值，p(x,a_i,λ)为x像素点的基线为a_i偏差参数为b时的概率，λ为常数值，

步骤3、利用试验目标图像与待测目标图像的变化矩阵和d₁和d₂得到动态阈值参数

阈值分析模块分析得到动态阈值参数发送至目标分析模块；

步骤四、目标分析模块再利用动态阈值参数和阈值分割算法进行分析得到最优分割阈值，利用最优分割阈值对目标预处理数据中的待测目标图像进行背景分离，目标分析模块结合动态阈值参数通过建立目标优化模型与阈值分割算法进行融合，再利用优化模型的目标函数求得最优目标解，目标分析模块利用机器学习算法对所有的像素点进行训练得到待测目标图像的分析结果；

(3)、目标分析模块将对目标图像的目标分析结果发送至目标传输模块，目标传输模块按照控制中心模块的指令将目标分析模块的目标分析结果分类进行发送至指定模块，同时将目标分析模块的目标分析结果发送至存储模块进行存储。