一种复杂背景下基于知识的目标识别方法地研究.pdfVIP

1998年5月 第九届全国图象图形学学术会议论文集 中瞳茁象圈形学会 一种复杂背景下基于知识的目标识别方法的研究 ● 任文君苏开娜 北肃工业大学计算机学院。100044) · 摘要本文阐述了一种融台区域特征和边缘特征，并以知识基为桥粱，进行复杂背景下自动目识别的方法。 知识，融舍 = i ． ．、’． 。 关键词唇南耳标识别， ?j 目标的特定信息，如待识剐目标的灰度范围、几何 1引言 矩等。因此．近年来人们正试图在人工智能框架内t 我们研究的自动目标识别方法是利用图象序 利用时间的或空间的前后关系知识基来提高ATR 列，对复杂自然背景下的人造目标进行探铡、分类 系统的性能，例如美国乔治技术研究所(GTKI) 的战术专家仿真系统(TESS)【2】。 和识B012]。传统的ATR技术常常是利用人造目标 和自然背景在几何构成或图象灰度上的差别，或在 本算法分为目标探测和定位两部分：哥标探测 图象中寻找与人造目标相对应的几何基元。其算法 是目标的粗定位，即搜索整幅图象以得到包含目标 可分为基于区域特征和边缘特征两大类：前者利用 的感兴趣区域：目标定位为细检测，也就是在感兴 图象内部的统计特征(如几何、纹理特征等)，常 趣区域中搜索到目标．来确定其精确的位置。 见的有区域生长法、自适应阈值分割法等：后者则 2．2目标探测 利用边缘检测(如Robert算子、Man算子等)。 W)提出的系统 但在实际应用中，单独使用其中的某～算法，却很 本文采用由威沙特(Wishan 难取得令人满意的结果。这是由于复杂的自然背景 聚类方法，即首先假定每个样品自成一类，然后再 区域和人造目标区域经常具有极高的相似度，象桥 逐步将它们合并成一些较大的类。系统聚类方法的 梁作为线性目标，隐藏在复杂的自然背景区域中． 特色在于类间距离的不同的定义方式【l】。 仅采用区域分割法很难得到完整的目标：另外，因 针对人造物体(如桥梁、机场、飞机等)，我 ● 为复杂的自然背景中常有大量的噪声，仅靠线检测 们采用树形分层聚类的方法，以保证相似性较高的 得到的边缘很杂乱。本文尝试了一种以知识基为桥 相邻区域更有可能聚成一类。另外，求类间距离时， 梁，融合区域和边缘特征的自动目标识别算法。 针对不同的识别目标，给不同特征赋予不同的加权 系数．例如，实体目标～机场跑道的二阶矩(反 2算法与实现 映图象中各点灰度的均匀程度)的加权系数就要比 2．1知I识基 线性目标一桥梁的大。 在目标的自动探测和识别系统中，不借助知识 算法1： 基就好比无的放矢，我们将知识基分成普遍知识基 (1)特征提取： 和特殊知识基：普遍知识基不含有目标的特定信 首先将整幅图象均匀分割成若干个大小为n 息，如人