一种基于DSmT的图像目标多特征融合识别方法.pdf

(19)中华人民共和国国家知识产权局*CN102222240A*(12)发明专利申请(10)申请公布号CN102222240A(43)申请公布日2011.10.19(21)申请号201110178416.9(22)申请日2011.06.29(71)申请人东南大学地址210096江苏省南京市四牌楼2号(72)发明人李新德杨伟东(74)专利代理机构南京苏高专利商标事务所(普通合伙)32204代理人柏尚春(51)Int.Cl.G06K9/66(2006.01)G06N3/08(2006.01)权利要求书1页说明书10页附图3页(54)发明名称一种基于DSmT的图像目标多特征融合识别方法(57)摘要本发明公开了一种基于DSmT的图像目标多特征融合识别方法，其首先，我们将提取图像目标的矩和轮廓等多个特征量作为证据源，以获得足够多的有用互补信息；接着，我们通过由广泛应用于分类的PNN神经网络来构造目标识别率矩阵；然后根据PNN网络的初识别结果和类似统计学中极大似然思想的规则，用目标识别率矩阵对基本信度进行赋值；最后用DSmT组合规则进行决策级数据融合，完成对三维目标的识别。本发明提供的基于DSmT的图像目标多特征融合识别方法，能够解决在三维目标识别中由于信息获取的不精确、不确定、不完全和高度冲突等导致目标识别率不高的问题。CN1024ACCNN110222224002222251A权利要求书1/1页1.一种基于DSmT的图像目标多特征融合识别方法，其特征在于：该方法包括如下步骤：(1)提取目标图像的的矩特征量和轮廓特征量，其中矩特征量包括Hu矩、归一化转动惯量和仿射不变矩，轮廓特征量包括轮廓离散化参数和奇异值；(2)依据每个特征量构建PNN神经网络并对其进行训练，得到各自的目标识别率矩阵；(3)根据PNN网络的初识别结果和类似统计学中极大似然思想的规则，用目标识别率矩阵对基本信度进行赋值；(4)用DSmT组合规则进行决策级数据融合，完成对三维目标的识别。2.根据权利要求1所述基于DSmT的图像目标多特征融合识别方法，其特征在于：所述步骤(2)的具体方法为：根据针对超幂集空间仅单子焦元和完全未知焦元具有信度赋值的情况，利用DSmT经典组合规则和PCR5重新分配规则进行融合，具体模型如下表：其中mi表示第i种特征量，Ti表示目标T被判定为第j类，It＝T1U...UT7表示未知类别，xij表示目标T根据特征i被判定为第j类的信度赋值。2CCNN110222224002222251A说明书1/10页一种基于DSmT的图像目标多特征融合识别方法技术领域[0001]本发明涉及图像识别和人工智能领域，尤其涉及一种通过提取图像目标的多个特征，获取足够多的有用互补信息，应用DSmT信息融合理论在决策层对信息进行融合得到最后的决策结果的方法。背景技术[0002]三维目标的识别是计算机视觉领域的核心问题之一，目前三维目标信息的获取主要是通过以任意角度观测的二维数字图像得到的，而由于目标相对于摄像机在不同方向角所呈现的图像姿态变化万千，使得利用其二维数字图像进行目标识别的难度大大增加。一方面，在从三维到二维的转化过程中，信息量出现丢失。另一方面，数据库的建立也具有不完全性。[0003]对于三维目标的识别，在现有方法中，单一特征量被广泛用于目标识别、景物匹配、图像分析及字符识别等问题中。Dudanietal“Aircraftidentificationbymomentinvariants”(DudaniSA，BreedingKJ，McGheeRB.IEEETransComput，1977，(1)：39-46)将不变矩理论用于飞机的识别，Wallaceetal“Anefficientthree-dimensionalaircraftrecognitionalgorithmusingnormalizedFourierdescriptors”(WallaceTP，WintzP.ComputerGraphicsImageProcessing，1980，3：99-126)将傅氏描绘子用于三维物体的识别，JanFlusser“Patternrecognitionbyaffinemomentinvariants”(JanF，TomasS.PatternRecognitiong，1993，26(1)：167-174)将仿射不变矩用于形状模式识别中均获得良好的效果。但是，紧依靠获取单一特征量进行识别，获取的信息量比较少，导致识别目标不精确、不确定、不完全以及高度冲突，很难保证在复杂的实际环境背景下有良好的正确识别率。[0004]Dezert-SmarandacheTheory(DSmT)是由法国的资深科学家JeanDezert博士和美国的著名数学家FlorentinSmarand