基于新型不变矩的目标识别可信度研究

目标识别在精确制导、自动监控、图像检索等领域发挥着日益重要的作用。识别系统易存在可信度不高，可靠性差的问题，原因之一是系统缺乏对自身识别可信度进行评估和处理的机制。本项目拟采用新型不变矩对目标模式统一建模,解决经典不变矩稳定性较差的问题，并通过构造可信度矢量建立目标识别可靠性评估体系。重点研究不变矩空间中局部可信度的分布特性，以目标类自身密度作为绝对度量;以目标类与干扰类间的密度差别作为相对度量,建立一种基于不变矩的可信度评估标准,建立不变矩值隶属于各种目标形状的局部可信度的关系数学模型及数据库，通过检索、插值算法准确得到这种局部可信度，以可信度矢量分量的形式输入神经网络最终得到全局可信度的计算模型。这种基于不变矩的可信度评价标准还为进一步实现目标识别的反馈自适应调整机制和拒识机制,以便进一步提高识别结果的可信度和准确性提供了基础。该项研究具有重要的理论意义和应用价值。