目标识别：模式识别系统原理及特征提取要点

目标识别，是人类实现对各种事物或现象进行分析、描述、判断的过程。目标识别属于模式识别的范畴。

为了能机器执行和完成识别任务，首先必须将关于识别对象的有用信息输入计算机。为此，应对识别对象进行科学抽象，建立相关模型，用以描述和代替识别对象，这种对象的描述称为模式。对具体对象的特征属性进行测量，可以得到表征它们特征的一组数据，为了使用方便，将它们表示成矢量形式（称为特征矢量）；也可以将对象的特征属性作为基元，用符号表示，从而将它们的结构特征描述成一个符号、图或某个数学表达式。通俗地讲，模式就是事物的代表，是事物的模型之一，它的表示形式是矢量、符号串、图或数学关系。

一般而言，只要认识某个集合中有限数量的有代表性事物或者现象，就可以识别属于这个集合的任意多的事物或者现象。所谓模式识别，是指根据研究对象的特征或属性，利用计算机为中心的机器系统，运用一定的分析算法认定它的类别，系统应使识别的结果尽可能地符合真实情况。

一个较为完整的模式识别系统及识别过程的原理如图9.5所示，虚线上部是识别过程，虚线下部是学习、训练过程。当采用的分类识别方法以及应用的目的不同时，具体的分类识别系统和过程将有所不同。

通常，识别过程主要包括以下几方面。

1）数据采集和预处理

为了使计算机能够对各种现象进行分类识别，就要用计算机可以运算的符号来表示所研究的对象。通常，输入的信息有三种类型：二维图像，如地图、照片等对象；一维波形，如声信号、地震动信号等；物理参量和逻辑量，如目标个数、惯性参量、是否触发等。通过测量、采样和量化，可以用矩阵或矢量来表示二维图像或一维波形，这就是数据获取过程。预处理的目的是去除噪声、强化有用的信息，并对测量仪器或其他因素所造成的退化现象进行还原。

(www.xing528.com)

图9.5　模式识别系统原理框图

2）特征提取和选择

由图像或波形所获得的数据量是相当大的，如一幅文字图像可以有几千个数据，一个坦克声信号波形也可能有几千个数据，一幅卫星遥感图像的数据量更大。为了有效地实现分类识别，应该对原始数据进行变换，得到最能反映分类本质的特征，这就是特征提取和选择的过程，一般把由原始数据组成的空间称为测量空间，把进行分类识别的空间称为特征空间，通过变换可以把在维数较高的测量空间中表示的模式变为在维数较低的特征空间中表示的模式。

3）机器学习和训练

为了让机器具有分类识别功能，首先应该对它进行训练。将人类的识别知识和方法以及关于分类识别对象的知识输入机器，产生分类识别的规则和分析程序，这个过程相当于机器学习。一般这一过程要反复进行多次，不断地修正错误、改进不足，其工作内容主要包括修正特征提取方法、特征选择方案、判决规则方法及参数，最终使系统的正确识别率达到设计要求。目前，这一过程通常是人机交互式。

4）分类识别

分类识别就是在特征空间中用某种方法把被识别对象归为某一类别。基本做法是在样本训练集的基础上确定某个判决规则，使按这种判决规则对被识别对象进行分类所造成的错误识别率最小或引起的损失最小。

在武器系统中（特别是引信中），对目标的识别要求要有快速性，进行在弹目高速交会过程中的实时识别。引信中对目标的识别一般仅包括目标出现、目标相对速度、目标距离、侵入目标深度或侵入目标层数等，以决定最佳起爆时机与起爆方位，实现对目标的最佳毁伤。在导弹等高价值弹药的特殊引信中，还要识别目标的其他特征，如目标的方位、目标类别、目标薄弱环节等，用于定向起爆控制等特种战斗部。在现代战争中，引信目标识别还包括为后续作战提供毁伤评估等的识别能力。