专利名称：降低目标图像自动识别与快速跟踪错判率的方法
技术领域：
本发明涉及的是一种用于图像处理技术领域的目图像处理的方法，具体是一种降低目标图像自动识别与快速跟踪错判率的方法。
背景技术：
图像信号是一种时间上的一维和空间上的二维信号，其数据量庞大，如果受到数据存储容量或者传输带宽的限制，系统需要将图像压缩以减少数据量。同时，高维的数字处理运算形式复杂，因此对算法的效率与速度自然提出了非常高的要求。加之，图像信号的数字化表达显示出其特有的多样性，不同的系统选择不同的方式来表达每一个像素的色彩。系统选择一种数字化表达方法来完成主要的处理工作，同时还要实现几种方式的转换。另外，图像信号又是一个非负的二维随机场。由于在空间上，一般的图像信号不能用任何的解析函数来表达，也不能由典型的信号叠加，所以研究图像主要采用的就是统计方法。换句话说，作为一个通用的图像系统，系统无法预知输入图像的确切内容，因此只能采用提取统计特征量的方法来认识图像，从而完成匹配的工作。
经对现有技术文献的检索发现，刘文礼等发表的“浮选泡沫特征及其状态识别”(《中国煤炭》2003年第五期)文章提出基于数字图像处理及识别技术的煤泥浮选过程控制思路，介绍了通过空间灰度相关矩阵法和领域灰度相关矩阵来提取泡沫纹理特性参数的方法，以及利用自组织神经网络对煤泥浮选泡沫状态进行识别。其中，空间灰度相关矩阵是在浮选泡沫图像的不同方向上(θ＝0°、45°、90°、135°)构筑的，鉴于空间灰度相关矩阵的维数大，文章以泡沫特征纹理的“粗细”、“走向”等来定义数字特征量，即以能量、熵和惯性矩为特征参数，能够表达出煤泥浮选泡沫视觉特征，领域灰度相关矩阵是将线领域的概念推广到面领域而导出的，领域灰度相关矩阵在提取图像的特征时，统筹考虑了图像中某一像素点8-领域方向上(面领域)的所有像素的灰度值，领域灰度相关矩阵提取了描述浮选泡沫图像的细度参数、粗度参数、熵参数、二阶距参数和不均匀性参数。该研究建立相关矩阵的元素主要基于物体的粗细度，因此使用范围明显收到局限，而且运算量较大，同时立足于煤泥的浮选，着眼于整体浮选结果的统计评价，没有确立被跟踪目标体的识别率指标，更没有对错判提出明确的统计指标。因此，该文献所提供的方法不适合于对指定目标的识别和跟踪，更无法确定对目标识别的准确率(或误判率)指标。
发明内容
本发明的目的在于克服现有技术中的不足和缺陷，提供一种降低目标图像自动识别与快速跟踪错判率的方法，使其适用于交通、监控、生物医学、遥感、军事、天文、地质和地理等很多学科与领域中目标图像的识别与跟踪，是一项非常实用有效的图像处理技术。
本发明是通过以下技术方案实现的，在对目标的识别与跟踪实现初步筛选之后，引入物理学的质量、质心和转动惯量的概念将图像看作一个有质量的二维物体，获取图像像素在空间域中的统计特性及其空间信息，通过图像转动惯量的二值空间映射和匹配度指标，确认已经认定的准目标是否正确目标，达到防错判的目的。
以下对本发明方法作进一步的说明(1)引入物理学的质量、质心和转动惯量的概念，将图像看作一个有质量的二维物体，可以得到一系列图像的物理特征，这些特征实际上就是像素在空间域中的统计特性，进而可以十分方便地以像素点为点质量表达出图像在横轴和纵轴方向的质量分布、图像的总质量、图像的质心、图像的转动惯量，因此在保留质量信息的同时突出了图像的空间信息。图像转动惯量相对于总质量的值即为图像归一化转动惯量，在统计意义上，这是归一化了的二阶混合中心矩，非常理想地代表了某一图像的唯一特征，对于图像大小变化、角度变化、位置变化都不敏感，或者说具有缩放、平移和旋转不变性。
(2)图像转动惯量的二值空间映射方法，具体为大于阈值的像素质量计1，小于阈值的像素质量计0，实施质量、质心和转动惯量的二值化空间计算，因此使得图像既具有区域的不变矩性，又具有广义归一化转动惯量扩展后的矢量特征。
(3)匹配度具体表达如下match=ΣxΣy(T(x,y)·S(x,y))ΣxΣy(T(x,y)+S(x,y))]]>T(x，y)与S(x，y)系二值逻辑量，表示像素是否属于被识别区域，·与+系逻辑运算符，代表AND(与)和OR(或)，匹配度越大标示两个区域的吻合部分越大。
(4)确定匹配度指标，当匹配度小于指标所确定的数值时，即认定该初选目标为非目标，并予以排除，在提高目标识别率的同时将错判率降到最低限度。
对于通过任何算法实现目标图像的识别和跟踪过程中均可加载本发明以增强对目标识别和跟踪的防错判能力。换句话说，目前任何一种识别算法均包含错判的概率，识别率和错判率是完全不同的两种概念。利用本发明可以在识别算法初步实现对目标初选时，及时对该目标进行判别检验，排除非目标，进入下一识别循环以达到对目标的准确识别与跟踪，因此可以大幅度降低识别与跟踪的误判率。这在监控和军事领域尤为显得重要。因此任何一种图像识别算法只要与本发明绑定，或者说与本发明嵌套，就可以将其错判率降低到最低限度。
具体实施例方式
以下结合本发明方法的内容提供实施例本实施例以高速光电耦合器作为高速图像采集器，最高图像采集率可达60帧/s，图像采集器安装于万向转动装置上接受方位控制驱动，经图像卡与嵌入式硬件系统连接，运用本发明算法编程，根据被识别目标偏离视场中心的状况，通过控制算法驱使图像采集器的三维转动装置实现对被识别目标的跟踪。
随高速运动载体(最高时速可达190km/h)运动，本发明载体从距离目标10km处出发以80～180km/h的不等速度和不同的行进方式(包括直线、曲线、上坡、下坡等行进方式)向目标逼近。
首先实现对目标的识别与跟踪的初步筛选对模板图像(事先于距离目标5km处抓拍的目标图像)与现场图像快速通过灰度级阈值的确定，将比阈值灰度级亮的像素和比阈值灰度级暗的像素分为黑和白两组，进行前景区域和背景区域的正确分割。高速运动中，本发明首先快速搜寻峰谷交接点，并立即将其确定为灰度级之阈值，进而以区域特征作为图像分割的依据，来分隔前景和背景区域，并且将二阶中心矩作为匹配的统计特征值，实现图像特征的缩放、平移、旋转和亮度良好不变性；然后建立误差和相关度指标，评判图像是否匹配，首先使用图像特征量概念，比较模板图像和现场某一部分图像的特征。如果两者相差太大，就认为不是同一个目标，如果误差在允许的范围内，则认为他们相关的可能性很大。定义误差为现场图像特征与模板图像特征值之差绝对值对模板特征值的比值。以误差值＜2.5％为允许误差、以模板图像矩阵和现场图像矩阵的相似的程度＞95％为相关度指标、建立模板图像矩阵和现场图像矩阵在离散条件下的互相关函数及其实用判据公式，实现对准目标的初步筛选。
然后利用本发明对被初步选定的准目标进行错判鉴别(1)在阈值灰度级的基础上，引用物理中的质量、轴分布、质心和转动惯量概念，建立在统计意义上的归一化了的二阶混合中心矩，建立模板图像矩阵A和现场图像矩阵B，以及在离散条件下的互相关函数，包括各自方差、归一化相关系数、以及在所有二维矩阵所组成的线性空间里内积操作的定义。从线性空间出发，根据欧氏空间的范数和夹角概念得到相关度的定义sim=cos∠(A,B)=A·B||A||||B||=A·BA·AB·B]]>利用内积定义获得实用判据公式sim=ΣxΣyA(x,y)·B(x,y)ΣxΣyA2(x,y)ΣxΣyB2(x,y)]]>(2)将像素转动惯量映射到二值化空间，实施质量、质心和转动惯量的二值化计算，大于阈值的像素质量计1，小于阈值的像素质量计0，实施质量、质心和转动惯量的二值化空间计算，因此使得图像既具有区域的不变矩性，又具有广义归一化转动惯量扩展后的矢量特征。
(3)、(4)根据匹配度，当
match=ΣxΣy(T(x,y)·S(x,y))ΣxΣy(T(x,y)+S(x,y))<90%]]>即将该准目标确认为非目标，立即予以排除，同时目标搜寻进入下一个循环，否则锁定并跟踪目标，因此在提高目标识别率的同时将错判率降到最低限度。
经多次在半径5km范围内的高低起伏地面快速(以80～180km/h的不等速度和不同的行进方式)运行试验，在复杂背景下受到镜前随机阻挡的情况下，对直线视距10km目标识别效果当目标进入视场内，本发明载体在系统运算周期之内即捕捉到目标，没有发生错判现象并始终跟踪目标；当目标移出视场，没有误识别现象发生，即没有将任何非目标当作真目标进行识别和跟踪；当目标重新进入视场，重复在系统运算周期之内捕捉到目标，也没有发生错判现象并继续跟踪目标。
为了比较效果，在实验中曾经两次屏蔽本发明程序模块，即采用未绑定本发明的当前最好识别算法进行同样系统动态实验，结果当目标进入视场内，本发明载体在系统运算周期之内能捕捉到目标，但受到镜前随机阻挡时会发生错判现象使跟踪目标出现错误；当目标移出视场，有误识别现象发生；当目标重新进入视场，能重复在系统运算周期之内捕捉到目标，但有错判现象发生。
经测试，未绑定本发明的识别与跟踪方法系统运算周期为40ms，绑定本发明的识别与跟踪方法系统运算周期为42ms，后者比前者多2ms，但是后者的错判率却比前者下降了4个百分点，达到1％以下，同时后者识别率还比前者提高2个百分点，高达97％以上，因此其实用效果十分显见。
权利要求
1.一种降低目标图像自动识别与快速跟踪错判率的方法，其特征在于，在对目标的识别与跟踪实现初步筛选之后，引入物理学的质量、质心和转动惯量的概念将图像看作一个有质量的二维物体，获取图像像素在空间域中的统计特性及其空间信息，通过图像转动惯量的二值空间映射和匹配度指标，确认已经认定的准目标是否正确目标，达到防错判的目的。
2.根据权利要求1所述的降低目标图像自动识别与快速跟踪错判率的方法，其特征是，图像转动惯量的二值空间映射方法，具体为大于阈值的像素质量计1，小于阈值的像素质量计0，实施质量、质心和转动惯量的二值化空间计算，因此使得图像既具有区域的不变矩性，又具有广义归一化转动惯量扩展后的矢量特征。
3.根据权利要求1所述的降低目标图像自动识别与快速跟踪错判率的方法，其特征是，匹配度指标，具体表达如下match=ΣxΣy(T(x,y)·S(x,y))ΣxΣy(T(x,y)+S(x,y))]]>T(x，y)与S(x，y)系二值逻辑量，表示像素是否属于被识别区域，·与+系逻辑运算符，代表“与”和“或”，匹配度越大标示两个区域的吻合部分越大。
4.根据权利要求1或者3所述的降低目标图像自动识别与快速跟踪错判率的方法，其特征是，确定匹配度指标，当匹配度小于指标所确定的数值时，即认定该初选目标为非目标，并予以排除，在提高目标识别率的同时将错判率降到最低限度。
全文摘要
一种降低目标图像自动识别与快速跟踪错判率的方法，在对目标的识别与跟踪实现初步筛选之后，引入物理学的质量、质心和转动惯量的概念将图像看作一个有质量的二维物体，获取图像像素在空间域中的统计特性及其空间信息，通过图像转动惯量的二值空间映射和匹配度指标，确认已经认定的准目标是否正确目标，达到防错判的目的。因此任何一种图像识别算法只要与本发明绑定，或者说与本发明嵌套，就可以将其错判率降低到最低限度。
文档编号G06K9/46GK1606039SQ200410084298
公开日2005年4月13日 申请日期2004年11月18日 优先权日2004年11月18日
发明者应俊豪, 张秀彬, 孙志旻, 王益, 孙剑, 曾国辉, 计长安, 何斌 申请人:上海交通大学