[發明專利]多源不完備信息融合圖像目標分類方法

在審

• 申請號: 201911379265.6
• 申請日: 2019-12-27
• 公開（公告）號: CN111126504A
• 公開（公告）日: 2020-05-08
• 發明（設計）人: 劉準釓;段靜菲;潘泉;文載道
• 申請（專利權）人: 西北工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 西安維賽恩專利代理事務所(普通合伙) 61257
• 代理人: 劉艷霞

本發明公開了一種多源不完備信息融合圖像目標分類方法，計算待識別圖像相對于多個已知圖像數據集中的已知圖像類別的歐氏距離；針對每個已知圖像數據集，在歐式距離中選擇最小歐氏距離值，并選擇最小歐氏距離值對應的第一已知圖像類別；計算第一已知圖像類別的第一閾值；將待識別圖像加入到已知圖像數據集中；根據新的圖像數據集訓練圖像分類器，并通過新的分類器對待識別圖像進行分類，采用DS規則進行加權融合，得到待識別圖像的類別；本發明通過將待識別圖像與每一個已知圖像數據集中的每一個已知圖像類別進行比較，進而建立新的已知圖像數據集，得到的最終分類結果更加精確，解決了先驗知識匱乏時圖像分類精度低的問題。

【技術領域】

本發明屬于圖像目標識別技術領域，尤其涉及一種多源不完備信息融合圖像目標分類方法。

【背景技術】

圖像目標識別是通過存儲的信息與當前的信息進行比較實現對圖像的識別。目前，圖像識別技術已廣泛應用于多個領域，如生物醫學、衛星遙感、機器人視覺、貨物檢測、目標跟蹤、自主車導航、公安、銀行、交通、軍事、電子商務和多媒體網絡通信等。隨著技術的發展，出現了基于機器視覺的目標識別、基于深度學習的目標識別等，大大提高了圖像識別的準確度和識別效率。

常用的圖像目標識別方法是，使用已知的具有若干個相同或不同類別的圖像組成的圖像集進行訓練，并得到訓練好的圖像分類器，再通過訓練好的圖像分類器對未分類的圖像進行識別分類。

但是，通過已知的圖像集訓練好的圖像分類器中往往難以涵蓋待識別圖像目標的所有分類類別，這就會導致通過訓練好的分類器對未知圖像分類時，目標識別先驗知識嚴重匱乏，數據不完備問題十分突出，進而導致分類精度低。

【發明內容】

本發明的目的是提供一種多源不完備信息融合圖像目標分類方法，以解決圖像先驗知識匱乏時圖像分類精度低的問題。

本發明采用以下技術方案：多源不完備信息融合圖像目標分類方法，包括以下步驟：

計算待識別圖像相對于多個已知圖像數據集中的已知圖像類別的歐氏距離；

針對每個已知圖像數據集，在歐式距離中選擇最小歐氏距離值，并選擇最小歐氏距離值對應的第一已知圖像類別；

計算第一已知圖像類別的第一閾值；

當最小歐氏距離值大于第一閾值時，將待識別圖像加入到已知圖像數據集中得到新的已知圖像數據集；

根據新的圖像數據集訓練圖像分類器，并通過新的分類器對待識別圖像進行分類，得到第一分類結果；

對于每個已知圖像數據集的第一分類結果，采用DS規則進行加權融合，得到待識別圖像的類別。

進一步地，計算待識別圖像相對于多個已知圖像數據集中的已知圖像類別的歐氏距離包括：

在每個已知圖像類別中選取待識別圖像的K個近鄰；

分別計算待識別圖像與K個近鄰的歐氏距離，并對待識別圖像與K個近鄰的歐氏距離求均值，將均值作為待識別圖像與對應已知圖像類別的歐氏距離。

進一步地，計算第一已知圖像類別的第一閾值包括：

對于第一已知圖像類別中的每個已知圖像，在第一已知圖像類別中選擇K個近鄰；

計算每個已知圖像與K個近鄰之間的歐氏距離并求均值，得到每個已知圖像的均值歐氏距離；

對第一已知圖像類別中每個已知圖像的均值歐氏距離求均值，得到第一已知圖像類別的歐氏距離；

使用修正因子對第一已知圖像類別的歐氏距離進行修正，得到第一已知圖像類別的第一閾值。

進一步地，當最小歐氏距離值小于等于第一閾值時，不進行操作。