[发明专利]一种仿生模式识别方法及其装置

权利要求书

1.一种仿生模式识别方法，其特征在于，包括以下步骤：

获取待检测样本，所述待检测样本为待检测实物的图像信息；

根据一分类器对所述待检测样本进行种类识别，所述分类器包括至少一个样本种类的识别区域和分类器的拒识区域，根据样本种类的识别区域和分类器的拒识区域对所述待检测样本的种类进行识别；

输出所述待检测样本的识别结果，所述识别结果包括待检测样本具体属于哪一个样本种类，或者待检测样本属于拒识样本或待识样本；

所述分类器的每个样本种类的识别区域和分类器的拒识区域的获取过程包括：构造同类特征集合的紧密包裹集，其包括优化致密性参数，以及构造所述紧密包裹集；求解同类特征区域紧密包裹曲面，其包括求解分类决策函数和分类决策曲面；设置所述分类器的拒识机制，其包括求出每个样本种类对应的判别函数和分类决策紧密包裹曲面，将每个样本种类对应的分类决策紧密包裹曲面之内的区域设置为该样本种类的识别区域，将每个样本种类对应的分类决策紧密包裹曲面之外的区域设置为该样本种类的拒识区域，将所述各分类决策紧密包裹曲面之外的公共区域设置为所述分类器的拒识区域，所述分类器的拒识区域是各个样本种类的拒识区域的交集区域；

从同类特征区域采集同类特征点集合C,C有M个点，用X₁,X₂,…,X_M表示，则所述致密性参数的优化方法包括：

计算X_j的第一近邻X_j1：

计算X_j的第二近邻X_j2：

......

计算X_j的第N+1近邻X_jN+1：

计算X_j与近邻的最大距离：

计算ε的次优估计：其中，ε为致密性参数，N为特征空间维度；

所述紧密包裹集的构造步骤为：

构造M个点的超球邻域判别函数：1≤j≤M；

由每一个X_j＝(x_j1,…,x_ji,…,x_jN),1≤j≤M派生出2N个点(x_j1,…,x_ji±ε,…,x_jN),1≤i≤N；

检测所有派生点(x_j1,…,x_ji±ε,…,x_jN),1≤i≤N，1≤j≤M是否在Π(X_j)，1≤j≤M中，把不在任何一个超球邻域Π(X_j)，1≤j≤M内的所述派生点集合起来就得紧密包裹集I(C)；

同类特征区域紧密包裹曲面的求解过程包括：把特征空间变换至更高的维度并建立优化模型；引入拉格朗日函数对优化模型进行求解；用二次优化问题求解方法求解对偶问题；求解分类决策函数和分类决策曲面。

2.如权利要求1所述的仿生模式识别方法，其特征在于，所述根据样本种类的识别区域和分类器的拒识区域对所述待检测样本的种类进行识别，包括：

若所述分类器中样本种类的数量为一时，则按照该样本种类的识别区域对所述待检测样本进行识别；

若所述分类器中样本种类的数量多于一时，则将各个样本种类按照预设的优先级进行排序，按照排序后的各个样本种类的识别区域依次对所述待检测样本的种类进行识别；

对于每个样本种类，将检测所述待检测样本是否属于该样本种类的识别区域，当所述待检测样本检测为在该样本种类的识别区域内时，则确定所述待检测样本属于该样本种类。

3.如权利要求1或2所述的仿生模式识别方法，其特征在于，所述根据样本种类的识别区域和分类器的拒识区域对所述待检测样本的种类进行识别，还包括：

按照所述分类器的拒识区域对所述待检测样本的种类进行识别，当所述待检测样本检测为在所述分类器的拒识区域内时，则确定所述待检测样本属于所述分类器的拒识样本或待识样本。