(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210888203.3 (22)申请日 2022.07.27 (71)申请人 中国船舶重 工集团公司第七二四研 究所 地址 210003 江苏省南京市中山北路346号 (72)发明人 贾倩茜　孟凡　杨光　李靖舒　 吴波　 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/84(2022.01) G06V 10/44(2022.01) G06V 10/774(2022.01) (54)发明名称 一种基于网格分类与几何重构的图像飞行 目标识别方法 (57)摘要 本发明涉及一种基于网格分类与几何重构 的图像飞行目标识别方法， 首先提出一种基于网 格状分类单元的目标预分类方法， 实现目标预分 类， 然后对目标姿态进行重构： 包括飞行姿态归 一化和图像预处理； 同时采用多尺度分析方法提 取图像的低频及高频特征向量； 最后构建基于隐 半马尔可夫(hidden  semi Markov models, HSMM)的识别模型， 提取出的特征向量通过姿态 选取后， 再通过CHSMM模型对特征向量进行识别 从而得到识别的目标结果。 选用图片库中不同机 型互不重叠的图片素材测试该识别方法的精度， 结果显示识别率高、 识别时间短。 证明该发明具 有较高的工程可适用性， 在目标探测与感知领域 具有广泛应用前 景。 权利要求书1页 说明书5页 附图3页 CN 115294389 A 2022.11.04 CN 115294389 A 1.一种基于网格分类与几何重构的图像飞行目标识别方法， 其特 征在于： 步骤1： 基于网格状分类单元预分类方法， 对目标轮廓区域内进行链式搜索， 完成目标 预分类； 步骤2： 对库中飞行目标图像进行飞行姿态的几何重构及图像预处 理； 步骤3： 对机型库 中目标图像采用2层Contourlet变换， 提取表达轮廓的低频特征和提 取表达细节信息的高频 特征向量作为训练集； 步骤4： 基于隐半马尔可夫的识别模型建模： 通过不同飞行姿态及提取的信息将特征数 据姿态分类与初始 值设置， 生成多组观测序列的训练样本， 分别对训练样本的k个姿态提取 l组观测序列向量： ok＝[o(1),o(2), …,o(l)],k＝1,2 …k， 将每种姿态的观测序列向量ok＝ [o(1),o(2), …,o(l)],k＝1,2 …k作为训练数据训练CHSMMi模型， 从而获得k个姿态的分类 器； 步骤5： 图像飞行目标识别： 目标识别的方法是通过CHSMM模型对特征向量进行识别， 将 测试样本输入到k个分类器， 获得k个输出概率值， 通过比较选取输出概率值最大的作为最 终姿态识别结果。 2.根据权利要求1所述的基于网格分类与几何重构的图像飞行目标识别方法， 其特征 在于： 所述步骤1中基于网格状分类单元预分类方法包括： 根据需要识别的飞行目标， 设置 搜索间隔， 利用判别函数 统计匹配网格A、 B和C的均值 如式(1)所示： 以A矩阵的fA作为该目标的判别门限， 需采用匹配网格D、 E和F进行联合判别， 策略如式 (2)所示： 设置预分类策略， 如式(3)所示， F＝1时， 预分类为战斗机； F＝2时， 预分类为民航； F＝3 时， 预分类为 直升机： 3.根据权利要求1所述的基于网格分类与几何重构的图像飞行目标识别方法， 其特征 在于： 所述步骤2包括： 提取出飞机中心点， 进而提取机身中轴， 将轴线方向沿一定角度α旋 转可将飞行目标图像重构为机头向上的标准图像； 其次再对图像进行几何标准化处理和灰 度归一化处理。 4.根据权利要求1或2所述的基于网格分类与几何重构的图像飞行目标识别方法， 其特 征在于： 对特征向量进 行分组， 所分组数根据图片库大小或机型种类数多少而定， 并利用高 频的细节特 征对其低频 特征所表达的轮廓信息进行修 正。权　利　要　求　书 1/1 页 2 CN 115294389 A 2一种基于网格分类与几何重构的图像飞行 目标识别方 法 技术领域 [0001]本发明属于雷达数据处 理中的机动目标图像识别领域。 背景技术 [0002]对于图像目标的识别， 主要难点在于： 1， 飞行目标图像通常是抓拍所得， 姿态多样 性、 几何特征不一， 增加了识别的难度， 如何进行飞行姿态的重构及图像预处理； 2， 提取特 征向量的方法， 使其具有良好的目标表征能力； 3， 模式识别方法， 使其识别精度高、 时间短。 [0003]目前在目标识别领域， 图像特征向量提取的方法很多， 例如使用小波变换， 但小波 变换反映的是信号的点奇异性， 无法精确描述图像边缘的方向， 也无法实现对图像的稀疏 表示， 从而影响识别精度； 识别的方法也很多， 有的应用角点特征和核聚类算法， 有的是用 小波变换进行 特征有的基于闭合轮廓特 征， 有的采用模板匹配等 等。 发明内容 [0004]针对现有 目标识别方法运算时间较长， 识别效率低， 无法应用在实时性要求较高 的工程中的问题， 本发明提供了一种基于网格分类与几何重构的图像飞行目标识别方法， 首先设计一种基于网格状分类单元 的目标预分类方法， 实现目标预分类， 然后对飞行姿态 进行几何重构， 再使用多尺度分析 的方法提取图像低频特征向量和高频特征向量， 最后通 过基于隐半马尔科夫 的模型快速有效的实现对不同机型、 多种飞行姿态、 不同光照明暗变 化下的图像飞行目标的识别。 [0005]实现本发明的技 术解决方案包括： [0006]步骤1： 基于网格状分类单元预分类方法， 对 目标轮廓区域内进行链式搜索， 完成 目标预分类； [0007]步骤2： 对库中飞行目标图像进行飞行姿态的几何重构及图像预处 理； [0008]步骤3： 对机型库中目标图像采用2层Contourlet变换， 提取表达轮廓的低频特征 和提取表达细节信息的高频 特征向量作为训练集； [0009]步骤4： 基于隐半马尔可夫的识别模型建模： 通过不同飞行姿态及提取的信息将特 征数据姿态分类与初始 值设置， 生 成多组观测序列的训练样本， 分别对训练样本的k个姿态 提取l组观测序列向量： ok＝[o(1),o(2), …,o(l)],k＝1,2 …k， 将每种姿态的观测序列向 量ok＝[o(1),o(2), …,o(l)],k＝1,2 …k作为训练数据训练CHSMMi模型， 从而 获得k个姿态 的分类器； [0010]步骤5： 图像飞行目标识别： 目标识别的方法是通过CHSMM模型对特征向量进行识 别， 将测试样本输入到k个分类器， 获得k个输出概率值， 通过比较选取输出概率值最大的作 为识别出来的姿态。 [0011]本发明与现有方法相比， 其显著优点 为： [0012]1.本发明对 目标图像进行预处理的同时， 针对不同机型在图像中的各自特点， 设 计匹配模 型， 战斗机尾部有亮度很高的尾焰， 直升机的顶部有螺旋桨， 而民航整体轮廓内像说　明　书 1/5 页 3 CN 115294389 A 3