專利名稱：一種二維可計算的目標探測、識別及辨識性能預測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于目標識別領(lǐng)域，具體涉及一種二維可計算的目標探測、識別及辨識性能預測方法。
背景技術(shù)：
成像器對二維目標圖像(序列)的分辨能力分為三個等級，即檢測(detection)、 識別(recognition)與辨識(identification)，此三級分辨各類目標的能力是生物，特別是人類所獨具的，約束識別能力的主要因素與基本規(guī)律一直是人類想破解的，因為人類希望計算機來實現(xiàn)這一功能。在國內(nèi)外，二維目標圖像可分辨準則研究都是基于Johnson人工判決的邊界性準貝U，而客觀的、計算機實現(xiàn)的二維可計算準則的研究尚屬空白。Johnson準則以一組人類觀測者的判斷結(jié)果進行準則的統(tǒng)計研究。然而人的隨機性、主觀性很大，其智能性、靈活性和知識難以量化，因而Johnson準則缺乏可操作性和可重復性，計算機無法使用該準則。更重要的是，Johnson準則的方法僅以空間分辨率(線對數(shù))為可變參數(shù)來界定50%的探測概率、識別概率和辨識概率，參數(shù)單一，不適應多參數(shù)可變的復雜條件。

發(fā)明內(nèi)容
為了克服現(xiàn)有Johnson準則的主觀性、隨機性和不可重復性，本發(fā)明提供了一種二維可計算的目標探測、識別及辨識性能預測方法。一種二維可計算的目標探測性能預測方法，具體為獲取目標二維圖像，計算二維圖像的目標探測概率P = f (X)，X為信噪比或線對數(shù)或成像距離，目標探測概率P = f (X) 越大則表明目標被探測成功的可能性越大；其中，f(X) = b3 X exp (b2 X X) +Id1 X exp (b0 X Χ)或f (X) = BnX1^anH2Xn-2+…+^X+a。，η 彡 4系數(shù)Wlvb3或^valri，…，徹通過使用樣本二維圖像序列(X^yi)作二維曲線擬合確定，Xi表示第i個樣本二維圖像的信噪比或線對數(shù)或成像距離，Yi表示第i個樣本二維圖像的目標探測概率；所述線對數(shù)Li3 = ,JLPxXLPyM (LPx+LPy) /2，X方向的線對數(shù)LPx =目標成像寬
度/像元空間分辨率，Y方向的線對數(shù)LPy =目標成像長度/像元空間分辨率。所述樣本二維圖像的目標探測概率通過先多級濾波再二值分割的方法確定。一種二維可計算的目標識別性能預測方法，具體為獲取原始目標二維圖像，計算二維圖像的目標識別概率P' = f' (Y)，Y為信噪比或線對數(shù)或(信噪比，線對數(shù))，目標識別概率P' = f' (Y)越大則表明目標被識別成功的可能性越大；其中，f'(Y)=Ein' Yn+an_/ Yn^+an_2' Yn_2+...+ai' Y+a0'，η 彡 4系數(shù)知‘，an_/，..·, a0'通過使用樣本二維圖像序列(Xi' , y/ )作二維曲線或三維曲面擬合確定，二維曲線擬合時χ/表示第i個樣本二維圖像的信噪比或線對數(shù)，三維曲面擬合時Xi'表示第i個樣本二維圖像的(信噪比，線對數(shù))，y/表示第i個樣本二維圖像的目標識別概率；所述線對數(shù)Ii5 = jlpx X lpy或(LPx+LPy)/2，X方向的線對數(shù)LPx =目標成像寬
度/像元空間分辨率，Y方向的線對數(shù)LPy =目標成像長度/像元空間分辨率。所述樣本二維圖像的目標識別概率采用歸一化互相關(guān)方法確定。一種二維可計算的目標辨識性能預測方法，具體為獲取目標二維圖像，計算目標二維圖像的目標辨識概率P" =f" (Z)，Z為信噪比或線對數(shù)或(信噪比，線對數(shù))，目標辨識概率P" = f“ (Z)越大則表明目標被辨識成功的可能性越大；其中，f〃(Ζ)=ειη〃 Z1Valri" Zn-^an-/ Zn"2+-+B1" Z+a?！?，η 彡 4系數(shù) 〃，C，…，a0"通過使用樣本二維圖像序列(Xi"，Ji")作二維曲線或三維曲面擬合確定，二維曲線擬合時Xi"表示第i個樣本二維圖像的信噪比或線對數(shù)，三維曲面擬合時Xi"表示第i個樣本二維圖像的(信噪比，線對數(shù))，yi"表示第i個樣本二維圖像的目標辨識概率；所述線對數(shù)^LP = ,Jlpx Xlpy或(LPx+LPy)/2，Χ方向的線對數(shù)LPx =目標成像寬
度/像元空間分辨率，Y方向的線對數(shù)LPy =目標成像長度/像元空間分辨率。所述樣本二維圖像的目標辨識概率采用歸一化互相關(guān)方法確定。若目標二維圖像為仿真圖像，則還對目標二維圖像提取目標輪廓，并對目標輪廓加噪。所述對目標輪廓加噪的具體實現(xiàn)方式為令(x(l)，y(l))為加噪前圖像中的輪廓像素點(X，y)的坐標，m為總的輪廓像素
(χ'( J) = χ( J) + \ χ
之和，(X' (l)，y' (1))為圖像加噪中像素點(x，y)的坐標，)(；)'κ ，1 e (1，1)依據(jù)樣本圖像擬合得到預測計算公式，可進行正運算和逆運算，采用計算機算法近似實現(xiàn)代替人的主觀判斷，可操作性強；2) Johnson準則僅對目標的典型的幾個方位角作試驗分析，本發(fā)明可通過仿真對任意視角進行計算；3)可計算出目標的任意探測概率、識別概率和辨識概率，為自動目標識別系統(tǒng)性能評價提供客觀理論依據(jù)。


圖1為二維可計算的目標探測、識別、辨識性能預測方法流程圖；圖2為構(gòu)建目標樣本數(shù)據(jù)庫流程圖；圖3為方位角(az)及俯仰角(el)在三維坐標系中的定義示意圖；圖4為離散二維坐標系中線對數(shù)表示示意圖；圖為F16飛機的三維模型圖；圖釙為F16飛機的理想二值圖像；
圖5c為F16飛機的多尺度多視點特性試圖；圖5d為F16飛機的多尺度多視點輪廓圖；圖k為F16飛機的多尺度多視點輪廓加噪圖；圖6為探測流程圖；圖7為信噪比SNR = 5，旋翼直升機500D目標的探測概率與成像距離的關(guān)系示例圖；圖8為信噪比SNR = 100，旋翼直升機500D目標的探測概率與成像距離的關(guān)系示例圖；圖9為信噪比SNR = 5，固定翼飛機F117目標的探測概率與線對數(shù)的關(guān)系示例圖；圖10為信噪比SNR = 60，固定翼飛機F117目標的探測概率與線對數(shù)的關(guān)系示例圖；圖11為線對數(shù)LP = 64，旋翼直升機500D目標的探測概率與信噪比的關(guān)系示例圖；圖12為識別流程圖；圖13為識別概率與線對數(shù)LP和信噪比SNR的三維曲面關(guān)系示意圖；圖14為信噪比SNR = 100，識別概率與線對數(shù)的關(guān)系示意圖；圖15為線對數(shù)LP = 64，識別概率與信噪比的關(guān)系示意圖；圖16為辨識流程圖；圖17為辨識概率與線對數(shù)LP和信噪比SNR的三維曲面關(guān)系示意圖；圖18為信噪比SNR = 100，辨識概率與線對數(shù)的關(guān)系示意圖；圖19為線對數(shù)LP = 64，辨識概率與信噪比的關(guān)系示意具體實施例方式下面結(jié)合附圖和實例對本發(fā)明進行詳細說明。圖1給出本發(fā)明整體流程圖，本發(fā)明預先構(gòu)建目標樣本數(shù)據(jù)庫，利用樣本數(shù)據(jù)擬合確定所述成像參數(shù)集下的探測/識別/辨識概率計算公式。圖2給出了目標樣本數(shù)據(jù)庫的構(gòu)建流程，具體為(1)目標二維樣本圖像獲取利用成像探測器或計算機仿真都可以獲取目標區(qū)域的二維樣本圖像，即目標二維實測圖像或者目標二維仿真圖像，它們體現(xiàn)了目標二維投影表面材質(zhì)及其反射/輻射特性。在獲取目標的二維圖像時需要設置圖像的參數(shù)設置信息，表1給出了具體參數(shù)設置示例。表1圖像可分辨準則參數(shù)列表
權(quán)利要求
1.一種二維可計算的目標探測性能預測方法，具體為獲取目標二維圖像，計算二維圖像的目標探測概率P = f (X)，X為信噪比或線對數(shù)或成像距離，目標探測概率P = f (X) 越大則表明目標被探測成功的可能性越大；其中，f (X) = b3Xexp Od2 XXHb1XexpOD0XX) 或 f(X) = aX+a^iX^'+a^^^2+· · · +&1Χ+β0, η 彡 4系數(shù)W ‘、或^valri，…，徹通過使用樣本二維圖像序列(XiJi)作二維曲線擬合確定，Xi表示第i個樣本二維圖像的信噪比或線對數(shù)或成像距離，Ii表示第i個樣本二維圖像的目標探測概率；所述線對數(shù)= ^LPxXLPyM (LPx+LPy)/2，X方向的線對數(shù)LPx =目標成像寬度/像元空間分辨率，Y方向的線對數(shù)LPy =目標成像長度/像元空間分辨率。
2.根據(jù)權(quán)利要求1所述的目標探測性能預測方法，其特征在于，所述樣本二維圖像的目標探測概率通過先多級濾波再二值分割的方法確定。
3.—種二維可計算的目標識別性能預測方法，具體為獲取原始目標二維圖像，計算二維圖像的目標識別概率P' =f' (Y)，Y為信噪比或線對數(shù)或(信噪比，線對數(shù))，目標識別概率P' = f' (Y)越大則表明目標被識別成功的可能性越大；其中 f' ( = ' Yn+an_/ Yn-Wiv2' Yn-2+'" W Y+a0'，η 彡 4 系數(shù)知‘，an_/，···, a0'通過使用樣本二維圖像序列(Xi' , y/ )作二維曲線或三維曲面擬合確定，二維曲線擬合時Xi'表示第i個樣本二維圖像的信噪比或線對數(shù)，三維曲面擬合時χ/表示第i個樣本二維圖像的(信噪比，線對數(shù))，y/表示第i個樣本二維圖像的目標識別概率；所述線對數(shù)Zi5 = ^LPxXLPyM (LPx+LPy)/2，X方向的線對數(shù)LPx =目標成像寬度/像元空間分辨率，Y方向的線對數(shù)LPy =目標成像長度/像元空間分辨率。
4.根據(jù)權(quán)利要求3所述的目標識別性能預測方法，其特征在于，所述樣本二維圖像的目標識別概率采用歸一化互相關(guān)方法確定。
5.一種二維可計算的目標辨識性能預測方法，具體為獲取目標二維圖像，計算目標二維圖像的目標辨識概率P" =f" (Z)，Z為信噪比或線對數(shù)或(信噪比，線對數(shù))，目標辨識概率P" = f “ (Z)越大則表明目標被辨識成功的可能性越大；其中，f〃 (Z) = an" Z^1" Zn-Wan-/ Zn-2+'"+a," Z+a。〃，η 彡 4 系數(shù) 〃，C，…，a0"通過使用樣本二維圖像序列(Xi"，Ji")作二維曲線或三維曲面擬合確定，二維曲線擬合時Xi"表示第i個樣本二維圖像的信噪比或線對數(shù)，三維曲面擬合時Xi"表示第i個樣本二維圖像的(信噪比，線對數(shù))，7廣表示第i個樣本二維圖像的目標辨識概率；所述線對數(shù)= ,JLPxXLPyM (LPx+LPy)/2，X方向的線對數(shù)LPx =目標成像寬度/像元空間分辨率，Y方向的線對數(shù)LPy =目標成像長度/像元空間分辨率。
6.根據(jù)權(quán)利要求5所述的目標辨識性能預測方法，其特征在于，所述樣本二維圖像的目標辨識概率采用歸一化互相關(guān)方法確定。
7.根據(jù)權(quán)利要求1至6任一所述的預測方法，其特征在于，若目標二維圖像為仿真圖像，則還對目標二維圖像提取目標輪廓，并對目標輪廓加噪。
8.根據(jù)權(quán)利要求7所述的預測方法，其特征在于，所述對目標輪廓加噪的具體實現(xiàn)方式為令(x(l)，y(l))為加噪前圖像中的輪廓像素點(x，y)的坐標，m為總的輪廓像素之和，(χ'( J) = χ( J) + Λ ν,(χ'⑴，y' (1))為圖像加噪中像素點(X，y)的坐標，丄‘7 Λ ，1 e (1，m)，[j Uj = y(l) + Δ.γΔχ e Ν(0，σ2)，Δγ e Ν(0，σ2)，Ν(0，σ 2)表示正態(tài)分布函數(shù)。
全文摘要
本發(fā)明公開了一種二維可計算的目標探測、識別及辨識性能預測方法，以多項式或指數(shù)函數(shù)為曲線擬合函數(shù)，選擇特定成像參數(shù)的樣本圖像數(shù)據(jù)庫擬合得到探測/識別/辨識概率計算公式，采用該公式計算得到被測圖像的探測/識別/辨識概率。本發(fā)明克服現(xiàn)有Johnson準則的主觀性、隨機性和不可重復性，將人的主觀判斷用計算機算法近似實現(xiàn)，可操作性強。
文檔編號G06K9/46GK102542261SQ201110460008
公開日2012年7月4日 申請日期2011年12月31日 優(yōu)先權(quán)日2011年12月31日
發(fā)明者丁曉白, 關(guān)靜, 張力, 張?zhí)煨? 彭凡, 易可佳, 汪小平, 王登位, 陳浩 申請人:華中科技大學