CN110110115B - 人机交互筛选识别机载目标图像的方法 - Google Patents
人机交互筛选识别机载目标图像的方法 Download PDFInfo
- Publication number
- CN110110115B CN110110115B CN201910245235.XA CN201910245235A CN110110115B CN 110110115 B CN110110115 B CN 110110115B CN 201910245235 A CN201910245235 A CN 201910245235A CN 110110115 B CN110110115 B CN 110110115B
- Authority
- CN
- China
- Prior art keywords
- recognition
- image
- features
- identification
- man
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开的一种人机交互筛选识别机载目标图像的方法,旨在提出一种计算量小,识别准确率高的识别机载目标图像的方法。本发明通过下述技术方案予以实现:首先对飞机目标识别的经验、知识进行整理并形成飞机特征的图像识别数据库;基于指纹特征的比对识别,依次进行飞机上特殊文字、特殊图案的人机交互比对识别的指纹特征,并对飞机上可视特征、几何特征的人机交互筛选识别;在基于指纹特征的比对识别与基于可视特征及几何特征的筛选识别之间,判断比对识别和筛选识别是否成功,如果成功,直接输出识别结果,否则,通过样片相似度算法进行飞机样片与图像识别数据库样片的相似度比对识别,根据相似程度辅助完成目标识别。
Description
技术领域
本发明涉及一种应用于图像目标识别领域,对图像中的飞机目标进行人机交互识别的方法。
背景技术
目标识别是图像处理领域与机器视觉领域的一个基础课题。研究表明,对不同目标进行目标检测、目标辨识、目标分类、目标描述时,对图像分辨率有不同的要求。随着机载成像分辨率越来越高,要识别目标,收集的数据量之大远远超过人工迅速作出判断的极限,传统的人工判读己经难以完成如此之大的工作量,人工判读的主观错误和理解错误由此不可避免,这种识别方式由于没有把这些经验整理成知识并形成***性的知识库,对机载操作人员的素质要求高,识别性能也与机载操作人员的工作压力及状态影响较大。另外,由于SAR特殊的成像机理和斑点噪声的存在,SAR图像不像光学图像那样能直观地被理解,图像性能的好坏直接影响到后续的识别工作。SAR成像参数的轻微波动,如俯视角、目标方位角及其配置的变化,都会引起图像特征的剧烈变化。SAR图像的复杂性带来自动目标识别ATR***的复杂性,其计算量非常大。SAR图像中噪声的存在很大程度上降低了图像的质量,模糊了感兴趣区域的特征信息,影响了后续的目标识别等应用。
机载图像自动目标识别一直存在识别准确率低、对图像训练样本的质量和数量要求高等问题。由于SAR图像具有很强的斑点噪声,加之图像特征的易变性,利用SAR图像进行自动目标识别是一件比较困难的工作。由于机载成像雷达的目标识别多是高空作业,识别的目标图像信息易受到高空外部噪声、机身的抖动、被测物体的抖动和采样速度过低等因素的干扰,可识别特征发生严重衰减,使得目标的识别图像可分辨性变差。自动化的目标识别算法可以采用模板匹配、特征匹配以及先进的机器学习、深度学习算法等,这些方法通常存在着识别准确率低、计算量大、对图像训练样本的质量和数量要求高等缺点,距离实用化有一定差距。模板匹配方法采用样本均值作为模板,但模板数量随着方位角间隔的缩小而增加,以较大的存储空间换取较好的分类识别率。机器学习方法也很多,如Kottke D.P采用隐Markov模型来建模,其特征序列由每一类区域(背景、阴影、浅目标区和亮目标区四类)的每个角度Radon变换值首尾相接而成,取得较好的目标识别效果。
发明内容
本发明的目的是针对飞机自动目标识别的识别准确率低、人工目标识别受机载操作人员的人员素质、工作状态影响大等问题,提出一种计算量小,识别准确率高,适用于机载操作员的人机交互筛选识别机载目标图像的方法。
本发明的上述目的可以通过以下措施来得到,一种人机交互筛选识别机载目标图像的方法,具有如下技术特征:首先对飞机目标识别的经验、知识进行整理并形成飞机特征的图像识别数据库;基于指纹特征的比对识别,依次进行飞机上特殊文字、特殊图案的人机交互比对识别的指纹特征,并对飞机上可视特征、几何特征的人机交互筛选识别;在基于指纹特征的比对识别与基于可视特征及几何特征的筛选识别之间,判断比对识别和筛选识别是否成功,如果成功,直接输出识别结果,否则,通过样片相似度算法进行飞机样片与图像识别数据库样片的相似度比对识别,根据相似程度辅助完成目标识别。
本发明具有以下技术效果:
(1)计算量小。本发明针对上述现有技术的优缺点,提出一种适用于机载操作员的飞机目标人机交互识别方法,将飞机目标识别的经验、知识,如飞机的特殊文字、图案,飞机的可视特征及几何尺寸特征,建立能够提升飞机目标识别速度的图像识别知识库,使其在实现上能和图像识别知识库匹配紧密地结合在一起,达到大幅度减少运算量,提高识别速度,减少机载操作人员的工作压力的同时提升识别性能,在此基础上,选择识别性能及计算量适中的图像识别处理算法辅助完成目标识别。识别性能受机载操作人员的素质与工作状态影响小。将飞机目标识别的经验、知识,***性地整理成识别知识库,对图像训练样本要求低,通过机器辅助机载操作人员工作,减轻了识别性能受机载操作人员的人员素质、工作状态的影响。
(2)识别准确率高。本发明首先对飞机目标识别的经验、知识进行整理并形成图像识别数据库,然后依次进行飞机上的指纹特征如特殊文字、特殊图案的人机交互比对识别,进行飞机上可视特征、几何特征的人机交互筛选识别,进行飞机样片与图像数据库样片的相似度比对识别,通过多个层级的数据库筛选,排除了众多干扰目标,利用特征来描述目标,减少目标的信息量,去除冗余信息,提高识别速度和精度。最终通过特征提取,有效获得图像中可用于目标检测、鉴别、分类的各类特征,以使得目标识别的效率和性能得到提高,根据相似程度输出识别结果,提升飞机目标识别的准确率的同时减轻识别性能受机载操作人员的素质与工作状态的影响。在此基础上,再通过飞机几何尺寸测量、样片相似度比对等自动化算法,辅助识别出目标,大大提升了识别准确率。
附图说明
图1是本发明人机交互筛选识别机载目标图像的流程图。
图2是图1基于指纹特征的人机交互比对识别流程图。
图3是图1基于可视特征及几何特征的人机交互筛选识别流程图。
图4是图1基于图像样片的人机交互相似度识别流程图。
下面通过具体的实施例并结合附图对本发明作进一步详细的描述。
具体实施方式
根据本发明,参阅图1,人机交互筛选识别机载目标图像分为四个步骤:(1)建立飞机目标识别数据库。(2)基于指纹特征的人机交互比对识别;(3)基于可视特征及几何特征的人机交互筛选识别;(4)基于图像样片的人机交互相似度识别。首先,对飞机目标识别的经验、知识进行整理并形成飞机特征的图像识别数据库;然后,基于指纹特征的比对识别,依次进行飞机上特殊文字、特殊图案的人机交互比对识别的指纹特征;然后,进行飞机上可视特征、几何特征的人机交互筛选识别;在基于指纹特征的比对识别与基于可视特征及几何特征的筛选识别之间,判断比对识别和筛选识别是否成功,如果成功,直接输出识别结果,否则,通过样片相似度算法进行飞机样片与图像识别数据库样片的相似度比对识别,根据相似程度辅助完成目标识别。
(1)建立图像识别知识库。根据飞机目标识别的经验、知识,建立图像识别数据库,图像识别数据库包含机舷号、注册号、飞机识别码、无线电呼号、机徽、圆盘天线、***的天线罩,机翼、机身、水平尾翼、垂尾、发动机的数目、安装位置、基本类型、平面形状,机身、机翼的长、宽、高、周长、面积、长宽比、夹角,飞机样片等。图像识别数据库包含指纹特征、可视特征、几何特征、飞机样片等,指纹特征指能够代表飞机身份属性特征的特殊文字或特殊图案,特殊文字包括机舷号、注册号、飞机识别码、无线电呼号等,特殊图案包括机徽、圆盘天线、***的天线罩等,可视特征包括机翼、机身、水平尾翼、垂尾、发动机的数目、安装位置、基本类型、平面形状等,几何特征包括机身、机翼的长、宽、高、周长、面积、长宽比、夹角等。
(2)参阅图2,在基于指纹特征的人机交互比对识别中,利用经验、知识对侦察图像中的特殊文字、特殊图案进行目视识别,人工输入识别特征,并将目视识别结果作为数据库查询条件,在图像识别数据库中进行查询比对识别,如果满足识别要求,将此作为识别结果,输出比对结果,否则进入下一步识别流程。
(3)参阅图3,在基于可视特征及几何特征的人机交互筛选识别中,利用经验、知识对侦察图像中的可视特征进行目视识别,利用图像测量工具对目标的几何尺寸特征进行图像测量,图像测量工具根据识别结果选择可视特征,根据测量结果确定几何特征参数并进行图像识别数据库查询,调用基于图像的常见几何测量算法并进行运算,获得几何特征参数及其精度,并将目视识别结果、几何尺寸特征参数或上述二者的组合作为图像识别数据库查询条件,在图像识别数据库中进行筛选识别,如果满足识别要求,将此作为识别结果,输出查询结果,否则进入下一步识别流程。
(4)参阅图4,在基于图像样片的人机交互相似度识别中,利用图像裁切工具对目标进行图像样片裁切,获得目标图像样片,读取筛选后的图像识别数据库,并利用SIFT局部特征点检测算子,检测目标样片与图像识别数据库查询结果中的多个样片中的局部特征点,设从目标样片X中提取的SIFT特征点个数为m,图像识别数据库中的各样片图像Y(i),(i=1,2,3…K)提取的SIFT特征点个数分别为n(i)(i=1,2,3…K),目标样片X中的m个SIFT特征点与数据库中的各样片图像Y(i)中的n(i)个SIFT特征点匹配上的数目分别为k(i)(i=1,2,3…K),对k(i)进行归一化处理,获得最终的相似度值,最后,按照相似程度的高低输出识别结果。SIFT局部特征点检测算子通过求一幅图中的特征点及其有关尺度和方向的描述子得到特征并进行图像特征点匹配,获得了良好效果,SIFT特征不只具有尺度不变性,即使改变旋转角度,图像亮度或拍摄视角,仍然能够得到好的特征检测效果。
以上结合附图对本发明进行了详细描述,但需要指出的是,上述实例所描述的是仅为本发明的优选实例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种人机交互筛选识别机载目标图像的方法,具有如下技术特征:首先对飞机目标识别的经验、知识进行整理并形成飞机特征的图像识别数据库;基于指纹特征的比对识别,依次进行飞机上特殊文字、特殊图案的人机交互比对识别的指纹特征,并对飞机上可视特征、几何特征的人机交互筛选识别;在基于指纹特征的比对识别与基于可视特征及几何特征的筛选识别之间,判断比对识别和筛选识别是否成功,如果成功,直接输出识别结果,否则,通过样片相似度算法进行飞机样片与图像识别数据库样片的相似度比对识别,根据相似程度辅助完成目标识别,上述指纹特征指能够代表飞机身份属性特征的特殊文字或特殊图案,特殊文字包括机舷号、注册号、飞机识别码、无线电呼号,特殊图案包括机徽、圆盘天线、***的天线罩,可视特征包括机翼、机身、水平尾翼、垂尾、发动机的数目、安装位置、基本类型、平面形状,几何特征包括机身、机翼的长、宽、高、周长、面积、长宽比、夹角。
2.如权利要求1所述的人机交互筛选识别机载目标图像的方法,其特征在于:图像识别数据库包含机舷号、注册号、飞机识别码、无线电呼号、机徽、圆盘天线、***的天线罩,机翼、机身、水平尾翼、垂尾、发动机的数目、安装位置、基本类型、平面形状,机身、机翼的长、宽、高、周长、面积、长宽比、夹角,指纹特征、可视特征、几何特征和飞机样片。
3.如权利要求2所述的人机交互筛选识别机载目标图像的方法,其特征在于:指纹特征指能够代表飞机身份属性特征的特殊文字或特殊图案。
4.如权利要求3所述的人机交互筛选识别机载目标图像的方法,其特征在于:特殊文字包括机舷号、注册号、飞机识别码和无线电呼号。
5.如权利要求3所述的人机交互筛选识别机载目标图像的方法,其特征在于:特殊图案包括机徽、圆盘天线、***的天线罩。
6.如权利要求2所述的人机交互筛选识别机载目标图像的方法,其特征在于:可视特征包括机翼、机身、水平尾翼、垂尾、发动机的数目、安装位置、基本类型、平面形状。
7.如权利要求2所述的人机交互筛选识别机载目标图像的方法,其特征在于:几何特征包括机身、机翼的长、宽、高、周长、面积、长宽比和夹角。
8.如权利要求1所述的人机交互筛选识别机载目标图像的方法,其特征在于:在基于指纹特征的人机交互比对识别中,利用经验、知识对侦察图像中的特殊文字、特殊图案进行目视识别,人工输入识别特征,并将目视识别结果作为数据库查询条件,在图像识别数据库中进行查询比对识别,如果满足识别要求,将此作为识别结果,输出比对结果,否则进入下一步识别流程。
9.如权利要求1所述的人机交互筛选识别机载目标图像的方法,其特征在于:在基于可视特征及几何特征的人机交互筛选识别中,利用经验、知识对侦察图像中的可视特征进行目视识别,利用图像测量工具对目标的几何尺寸特征进行图像测量,图像测量工具根据识别结果选择可视特征,根据测量结果确定几何特征参数并进行图像识别数据库查询,调用基于图像的常见几何测量算法并进行运算,获得几何特征参数及其精度,并将目视识别结果、几何尺寸特征参数或上述二者的组合作为图像识别数据库查询条件,在图像识别数据库中进行筛选识别,如果满足识别要求,将此作为识别结果,输出查询结果,否则进入下一步识别流程。
10.如权利要求1所述的人机交互筛选识别机载目标图像的方法,其特征在于:在基于图像样片的人机交互相似度识别中,利用图像裁切工具对目标进行图像样片裁切,获得目标图像样片,读取筛选后的图像识别数据库,并利用SIFT局部特征点检测算子,检测目标样片与图像识别数据库查询结果中的多个样片中的局部特征点,并从目标样片X中提取的SIFT特征点个数为m,图像识别数据库中的各样片图像Y(i),(i=1,2,3…K)提取的SIFT特征点个数分别为n(i)(i=1,2,3…K),目标样片X中的m个SIFT特征点与数据库中的各样片图像Y(i)中的n(i)个SIFT特征点匹配上的数目分别为k(i)(i=1,2,3…K),对k(i)进行归一化处理,获得最终的相似度值,最后,按照相似程度的高低输出识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910245235.XA CN110110115B (zh) | 2019-03-28 | 2019-03-28 | 人机交互筛选识别机载目标图像的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910245235.XA CN110110115B (zh) | 2019-03-28 | 2019-03-28 | 人机交互筛选识别机载目标图像的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110110115A CN110110115A (zh) | 2019-08-09 |
CN110110115B true CN110110115B (zh) | 2023-05-23 |
Family
ID=67484776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910245235.XA Active CN110110115B (zh) | 2019-03-28 | 2019-03-28 | 人机交互筛选识别机载目标图像的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110110115B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101464951A (zh) * | 2007-12-21 | 2009-06-24 | 北大方正集团有限公司 | 图像识别方法及*** |
WO2016015547A1 (zh) * | 2014-08-01 | 2016-02-04 | 深圳中集天达空港设备有限公司 | 一种基于机器视觉的飞机入坞引导和机型识别的方法及*** |
CN105913241A (zh) * | 2016-04-01 | 2016-08-31 | 袁艳荣 | 一种基于图像识别的顾客认证***的使用方法 |
CN107690659A (zh) * | 2016-12-27 | 2018-02-13 | 深圳前海达闼云端智能科技有限公司 | 一种图像识别***及图像识别方法 |
WO2018212494A1 (ko) * | 2017-05-17 | 2018-11-22 | 삼성전자 주식회사 | 객체를 식별하는 방법 및 디바이스 |
CN109002744A (zh) * | 2017-06-06 | 2018-12-14 | 中兴通讯股份有限公司 | 图像识别方法、装置和视频监控设备 |
CN109117808A (zh) * | 2018-08-24 | 2019-01-01 | 深圳前海达闼云端智能科技有限公司 | 面部识别方法、装置、电子设备及计算机可读介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8311973B1 (en) * | 2011-09-24 | 2012-11-13 | Zadeh Lotfi A | Methods and systems for applications for Z-numbers |
-
2019
- 2019-03-28 CN CN201910245235.XA patent/CN110110115B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101464951A (zh) * | 2007-12-21 | 2009-06-24 | 北大方正集团有限公司 | 图像识别方法及*** |
WO2016015547A1 (zh) * | 2014-08-01 | 2016-02-04 | 深圳中集天达空港设备有限公司 | 一种基于机器视觉的飞机入坞引导和机型识别的方法及*** |
CN105913241A (zh) * | 2016-04-01 | 2016-08-31 | 袁艳荣 | 一种基于图像识别的顾客认证***的使用方法 |
CN107690659A (zh) * | 2016-12-27 | 2018-02-13 | 深圳前海达闼云端智能科技有限公司 | 一种图像识别***及图像识别方法 |
WO2018212494A1 (ko) * | 2017-05-17 | 2018-11-22 | 삼성전자 주식회사 | 객체를 식별하는 방법 및 디바이스 |
CN109002744A (zh) * | 2017-06-06 | 2018-12-14 | 中兴通讯股份有限公司 | 图像识别方法、装置和视频监控设备 |
CN109117808A (zh) * | 2018-08-24 | 2019-01-01 | 深圳前海达闼云端智能科技有限公司 | 面部识别方法、装置、电子设备及计算机可读介质 |
Non-Patent Citations (3)
Title |
---|
Modal matching for correspondence and recognition;S.Sclaroff等;《IEEE Transactions on Pattern Analysis and Machine Intelligence》;19950630;第545-561页 * |
基于图像处理的LCD航空仪表信息的识别方法与实现;方晓峰;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20180315;C031-200 * |
面向对象的高分辨率遥感影像中飞机的识别方法研究;居恒哲;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170215;I140-1625 * |
Also Published As
Publication number | Publication date |
---|---|
CN110110115A (zh) | 2019-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108510467B (zh) | 基于深度可变形卷积神经网络的sar图像目标识别方法 | |
Hsieh et al. | Aircraft type recognition in satellite images | |
CN113536963B (zh) | 基于轻量化yolo网络的sar图像飞机目标检测方法 | |
CN109117776B (zh) | 基于航迹信息的飞机与气象杂波分类识别方法 | |
CN106096505B (zh) | 基于多尺度特征协同表示的sar目标识别方法 | |
CN106874932B (zh) | 基于快速稀疏描述的sar目标型号识别方法 | |
CN106897730B (zh) | 基于融合类别信息与局部保持投影的sar目标型号识别方法 | |
US11941329B2 (en) | Method for analyzing fuselage profile based on measurement data of whole aircraft | |
CN110321890B (zh) | 一种电力巡检机器人的数字仪表识别方法 | |
CN110110115B (zh) | 人机交互筛选识别机载目标图像的方法 | |
CN107403136B (zh) | 基于结构保持字典学习的sar目标型号识别方法 | |
Uddin et al. | A holistic approach for recognition of complete Urdu ligatures using hidden Markov models | |
CN108106500A (zh) | 一种基于多传感器的导弹目标类型识别方法 | |
CN112418275B (zh) | 基于距离像特征提取的毫米波引信箔条干扰识别方法 | |
CN110348296B (zh) | 一种基于人机融合的目标识别方法 | |
CN113327282A (zh) | 一种办公转椅打孔位置与连接点识别方法 | |
CN112037193A (zh) | 一种电力线路特征标记方法及装置 | |
CN116128935B (zh) | 空中机群红外序列配准方法、多尺度目标测谱方法及*** | |
CN114236492B (zh) | 一种毫米波雷达微动手势识别方法 | |
CN113435300B (zh) | 一种避雷器仪表实时识别方法及*** | |
CN115657022A (zh) | 一种利用综合特征的k近邻电力线识别方法 | |
Yao et al. | Automatic identification system of aircraft cockpit indicators based on machine vision | |
CN114283296B (zh) | 一种基于结构相似度的目标识别自评估方法 | |
CN113534093B (zh) | 飞机目标的螺旋桨叶片数量反演方法及目标识别方法 | |
CN115902801A (zh) | 一种基于视频分析的场面监视雷达目标提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |