[發明專利]基于幾何重構和多尺度分析的目標識別方法

在審

• 申請號: 201710621822.5
• 申請日: 2017-07-27
• 公開（公告）號: CN107516069A
• 公開（公告）日: 2017-12-26
• 發明（設計）人: 賈倩茜;邢永昌;劉建;孟凡
• 申請（專利權）人: 中國船舶重工集團公司第七二四研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/66;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于幾何重構和多尺度分析的目標識別方法，其特征在于包括以下步驟：

步驟1：對圖片庫中紅外目標圖像進行飛行姿態的幾何重構；

步驟2：基于Contourlet變換的圖像特征提取：對機型庫中目標圖像采用2層Contourlet變換提取特征向量，用表達輪廓的低頻特征作為基礎輸入訓練集，提取表達細節信息的高頻特征向量作為BP神經網絡修正訓練集輸入網絡；

步驟3：BP神經網絡建模：進行神經網絡的設計，包括樣本歸一化，確定神經網絡層數，確定隱含層節點個數和中間層、輸出層的傳遞函數；為測試訓練結束后的網絡精度，對圖片庫中每種機型各隨機選取不重復的若干幅圖像用于識別測試。

2.根據權利要求1所述的基于幾何重構和多尺度分析的目標識別方法，其特征在于所述步驟1包括：提取出飛機中心點，進而提取機身中軸，將軸線方向沿一定角度α旋轉可將飛行目標圖像轉為為機頭向上的標準圖像；其次進行圖像預處理圖片幾何標準化處理和灰度歸一化處理。

3.根據權利要求1或2所述的基于幾何重構和多尺度分析的目標識別方法，其特征在于所述BP神經網絡修正訓練為：對特征向量進行分組，所分組數根據圖片庫大小或機型種類數多少而定，通過高頻的細節特征對其低頻特征所表達的輪廓信息進行修正，訓練好的神經網絡能得到一組輸出數據，把這組輸出數據作為修正得到的數據送入網絡，用第2組高頻特征向量進行第2次修正，以此類推；通過圖像的低頻數據和高頻數據在神經網絡中的多次訓練，使得訓練好的神經網絡具有良好的識別能量，同時支持今后機型庫和圖片庫的擴展。