CN102117412B - 图像识别方法和装置 - Google Patents

Abstract

本发明公开了一种图像目标的识别方法，属于模式识别领域的基础技术范畴。本发明对作为目标和待识别的图像目标求取反映主要特征的一组几何图形特征信息和检索信息构成图像目标特征信息。将待识别的图像目标特征信息与作为目标的图像目标特征信息，直接比对、计算，实现图像目标整体相似度的计算与判别；实现局部相似、相异的定量判别；实现旋转、缩放后图像目标差异的判别。特征信息求取方法简单；计算量大幅度减少。具有统一的识别规则和快速准确的识别效果。

Description

图像识别方法和装置

技术领域

本发明涉及模式识别领域，特别是涉及一种图像的识别方法和装置。

背景技术

图像识别是模式识别领域中重要的基础技术。在人工智能、计算机视觉、机器人、图像目标识别、光学字符阅读器(OpticalCharacter Reader，OCR)、军事等高技术领域中，图像识别技术都起着关键性的作用。图像识别是基于图像特征的数学描述方法、图像特征信息提取技术和利用图像特征信息的识别技术实现的。

图像识别是指识别图像中承载的图像目标。一般意义下，图像目标是由多个边界清晰可辨的几何图形，按特定的分布构成的。对图像目标的特征描述是基于对几何图形的特征描述。相关技术中，几何图形和图像目标的特征描述方法主要有以下两种：

第一种，基于积分变换的傅立叶描述子理论，将图像信息由空间域变换到频域，利用获得的频域特征矢量集，实现对图像目标的整体描述；

第二种，基于不变矩理论，在图像上对密度函数的黎曼二重积分，不同阶次的矩具有不同的物理意义，利用矩参数集，实现对图像目标的整体描述。

上述两种方法中，频域特征矢量集和矩参数集都具有平移、缩放和旋转不变的特性。当图像上密度函数等于1时，频域特征矢量集和矩参数集实现对图像目标的整体描述。

上述技术方案利用上述两种理论方法提取图像目标特征信息，只是对图像目标整体统计特征的一种描述，对简单图形的描述有一定的实用价值，但是不适合于包含多个几何图形的复杂图像目标的主要特征描述，具体分析如下：

第一、频域特征矢量或矩参数对图像目标特征的描述，是一种较为粗略带有较多不确定性的描述方法，因此，利用频域特征矢量或矩参数对图像目标进行特征描述和识别，没有统一的识别标准。构成图像识别系统时，需要大量的实验数据和统计分析工作才能确定识别标准。

第二、频域特征矢量或矩参数对图像目标特征的描述是一种统计特征的描述，频域特征矢量或矩参数与图像目标的主要特征之间不存在可靠的理论基础，也不可能存在可信的对应关系。这种描述方法无法实现对图像中各主要变化特征的描述，因此，在图像识别时，识别准确率较低，不可能识别图像目标的细节差异。

第三、通过频域特征矢量或矩参数求取图像目标特征信息需要较大的计算量。在实际识别过程中，识别速度很低。

第四、通过频域特征矢量或矩参数求取图像目标特征信息不能对一类图像目标的共有特征进行描述，无法实现对图像目标的准确分类。

发明内容

本发明旨在提供一种图像的识别方法和装置，能够解决上述识别速度低的问题。

在本发明的实施例中，提供了一种图像识别方法，包括以下步骤：对目标图像和待识别图像分别求取图像特征信息，其分别包括：一组几何图形特征信息，和从一组几何图形特征信息提取统计信息构成的图像检索信息；对目标图像的图像特征信息和待识别图像的图像特征信息进行相似性分析，并将分析结果输出。

可选地，在上述的图像识别方法中，对目标图像和待识别图像分别求取图像特征信息包括：将目标图像或待识别图像划分为多个几何图形；对各个几何图形求取得到一组几何图形特征信息，其包括：获取几何图形特征点信息；提取图形检索信息；由几何图形特征点信息和图形检索信息构成一组几何图形特征信息；从一组几何图形特征信息提取反映图像整体特征的统计信息构成图像检索信息；由一组几何图形特征信息和图像检索信息构成图像特征信息。

可选地，在上述的图像识别方法中，还包括：选择每个目标图像的图像特征信息组合构建成识别目标集，并利用图形检索信息，计算目标图像中各几何图形的排序优先度；按排序优先度的大小对识别目标集中的几何图形进行排序；相似性分析包括从识别目标集选择目标图像或逐个地进行相似性分析。

可选地，在上述的图像识别方法中，对目标图像的特征信息和待识别图像的特征信息进行相似性分析包括：d1、利用图像检索信息，对待识别图像与目标图像进行相似预判定；d2、如果预判定为相似，则利用图形检索信息，对待识别图像中的几何图形进行排序；d3、按确定的排序关系，利用几何图形特征信息，通过方位搜索、匹配度优选，获得待选匹配集；d4、先从待选匹配集中求取相匹配的各几何图形的图形相似度，然后根据各几何图形的相似度求取待识别图像和目标图像的图像相似度，其中，如果存在多个待选匹配集，则选择图像相似度为最大值的待选匹配集和相似分析数据作为当前待识别图像和目标图像相似分析的结果，结果信息包括：整体相似度、图像缩放比例、图像相对旋转角度；d5、当整体相似度大于设定的图像相似判定指标，判定待识别图像和目标图像相似，否则，判定待识别图像和目标图像不相似。

可选地，在上述的图像识别方法中，步骤d1包括：e1、利用图像检索信息，计算待识别图像与目标图像的预判定相似度；e2、当预判定相似度大于设定的预判定指标，预判定待识别图像和目标图像相似，否则，判定待识别图像和目标图像不相似。

可选地，在上述的图像识别方法中，步骤d2包括：f1、利用图形检索信息，计算待识别图像中各几何图形的排序优先度；f2、分别按排序优先度的大小对待识别图像中的各几何图形排序。

可选地，在上述的图像识别方法中，步骤d3包括：g1、设定待识别图像中的几何图形为A集合、目标图像中的几何图形为B集合，其中A集合有n个几何图形，记为Pa1到Pan，B集合有m个几何图形，记为Pb1到Pbm；g2、选择图形检索信息中的参数作为判别两个几何图形的形象特征匹配条件，设定A、B集合中的几何图形对应位置关系作为方位特征匹配条件，并为A、B集合中的几何图形准备形象匹配条件；g3、按几何图形排序，为A集合的几何图形Pau在B集合中搜索相似度xsdu＞局部相似判定指标xsdz的对应几何图形Pbv，如果搜索到，将Pau、Pbv作为待判定匹配集的基准几何图形，否则，u＝u+1，如果u＞n，匹配过程结束，否则，重做步骤g3；g4、如果待判定匹配集的基准几何图形Pau、Pbv在已获得的待选匹配集中是匹配的几何图形，将B集合几何图形搜索序号j＝v+1，重做步骤g3，否则，设定基准几何图形比对参考点在A集合中Pau几何图形中的对应点作为判断图像匹配的参考点，将Pau、Pbv几何图形的缩放比例设定为待识别图像与目标图像的缩放比例Ki，当基准几何图形具有确定的方向特征时，将Pau、Pbv几何图形的旋转角度差设定为待识别图像与目标图像的旋转角度差alfi；g5、以步骤g4设定的参考点为极点，求A集合中除Pau以外的几何图形参考点的极坐标矢量Kas，1＜＝s＜＝n，s不等于u，根据步骤g4设定的缩放比例Ki和旋转角度差alfi对Kas进行数学变换得到Kbs，1＜＝s＜＝n，s不等于u，变换方法为：kbs＝kas×Ki，qbs＝qas+alfi，其中kbs是Kbs的矢量长度，qbs是Kbs的矢量夹角，kas是Kas的矢量长度，qas是Kas的矢量夹角，设定一组矢量Kbs的极坐标的极点是基准几何图形比对参考点在B集合中Pbv几何图形中的对应点，设定Kbs中每个矢量的端点是B集合中对应几何图形方位特征匹配的条件；g6、根据设定的形状特征匹配条件和方位特征匹配条件，计算Pau、Pbv为基准几何图形的各几何图形匹配度和图像匹配度，获得A、B集合中对应的几何图形的待判定匹配集；g7、重复g3到g6的步骤直到匹配过程结束，获得多个待判定匹配集的匹配信息，将多个待判定匹配集的图像匹配度Tpd按大小排序，按排序选择图像匹配度Tpd大于图像匹配判定指标Tpz的一个和/或多个待判定匹配集作为待选匹配集。

可选地，在上述的图像识别方法中，当基准几何图形不具有确定的方向特征时，步骤d3还包括：h1、在A集合中，选择与Pau排序临近的几何图形Paus，h2、以步骤g4设定的参考点为极点，求A集合中Paus几何图形参考点的极坐标矢量Kaus，并求Kbus＝Kaus×Ki；h3、设定矢量Kbus的极坐标的极点是基准几何图形比对参考点在B集合中Pbv几何图形中的对应点，在以Kbus矢量长度为半径的圆周边界附近，搜索与几何图形Paus匹配的B集合的几何图形Pbus，求取Paus和Pbus几何图形的最大相似度xsdus，如果大于局部相似判定指标xsdz，根据几何图形Pbus的参考点的方位信息，重新计算Kbus矢量，计算待识别图像与目标图像的旋转角度差alfi＝qbus-qaus，qbus是Kbus的矢量夹角，qaus是Kaus的矢量夹角，否则，重新选择几何图形Paus，重做步骤h2、h3。

可选地，在上述的图像识别方法中，步骤g4还包括如下步骤：i1、当基准几何图形的特征点总数等于1时，判定基准几何图形不具有确定的方向特征；i2、当基准几何图形的特征点总数大于1时，计算方向矢量Fxs＝∑tzi，计算方向度Fxd＝fxs/Maxs，当Fxd＞Fxz判定几何图形具有确定的方向特征，否则，判定几何图形不具有确定的方向特征；其中，tzi是基准几何图形中的特征点矢量，方向矢量等于一个几何图形中所有特征点矢量的矢量和；fxs是方向矢量Fxs的矢量长度，Maxs是特征点对应的几何图形中最大特征点矢量的矢量长度，Fxz是预设的方向特征判定指标。

可选地，在上述的图像识别方法中，步骤g6包括：j1、根据选择的图形检索信息，计算的两几何图形形状特征匹配度xppd；j2、根据两几何图形描述光学特征的特征信息计算光学特征匹配度gppd；j3、根据两几何图形参考点的位置信息计算方位特征匹配度fppd；j4、设定形状特征匹配度xppd、方位特征匹配度fppd和光学特征匹配度gppd的权重系数kpx、kpf、kpg，对基准几何图形，权重系数kpxu、kpfu、kpgu，满足kpxu+kpgu＝1，kpxu＞0，kpgu＞＝0，kpfu＝0的条件；对非基准几何图形，权重系数kpxu、kpfu、kpgu，满足kpxu+kpfu+kpgu＝1，kpxu＞0，kpgu＞＝0，kpfu＞0的条件；j5、求几何图形的匹配度Jpd＝xppd×kpx+fppd×kpf+gppd×kpg，对基准几何图形Jpdu＝xppd×kpxu+gppd×kpgu；j6、选择图形检索信息的参数，求取A集合各几何图形对图像相似分析的贡献系数Cai，i＝1...n，满足Cai＞0，i＝1...n，Cai的累加和等于1，i＝1...n；j7、求取A集合各几何图形的匹配度Jpdi，待识别图像与目标图像的匹配度Tpd等于A集合各几何图形的匹配度Jpdi与贡献系数Cai乘积的累加和，i＝1...n。

可选地，在上述的图像识别方法中，步骤d4包括：k1、根据两几何图形特征点信息中描述形状特征的特征信息计算形状特征相似度xxsd；k2、根据两几何图形特征点信息中描述光学特征的特征信息计算光学特征相似度gxsd；k3、根据两几何图形参考点的位置信息计算方位特征相似度fxsd；k4、设定形状特征相似度xxsd、方位特征相似度fxsd和光学特征相似度gxsd的权重系数kx、kf、kg，对基准几何图形，权重系数kxu、kfu、kgu，满足kxu+kgu＝1，kxu＞0，kgu＞＝0，kfu＝0的条件；对非基准几何图形，权重系数kx、kf、kg，满足kx+kf+kg＝1，kx＞0，kg＞＝0，kf＞0的条件；k5、求两几何图形的相似度xsd＝xxsd×kx+fxsd×kf+gxsd×kg，对基准几何图形xsdu＝xxsd×kxu+gxsd×kgu；k6、求取A集合各几何图形的相似度xsdi，待识别图像与目标图像的相似度Txsd等于A集合各几何图形的相似度xsdi与贡献系数Cai乘积的累加和。

可选地，在上述的图像识别方法中，结果信息还包括：局部相似信息，局部相似信息包括：待识别图像中各几何图形与目标图像中对应几何图形的相似信息，每个几何图形的相似信息包括：几何图形整体相似度和几何图形中一组特征点的相似信息；对目标图像的特征信息和待识别图像的特征信息进行相似性分析包括：当第i个几何图形的几何图形整体相似度大于设定的局部图像相似判定指标，则判定待识别图像和目标图像的第i个几何图形界定区域相似，否则，判定待识别图像和目标图像的第i个几何图形界定区域不相似；几何图形中一组特征点的相似信息进一步描述了各特征点处的局部相似程度。

在本发明的实施例中，还提供了一种图像识别装置，包括：信息模块，用于对目标图像和待识别图像分别求取图像特征信息，其分别包括：一组几何图形特征信息，和从一组几何图形特征信息提取统计信息构成的图像检索信息；识别模块，用于对目标图像的图像特征信息和待识别图像的图像特征信息进行相似性分析，并将分析结果输出。

本发明通过将待识别图像与目标图像特征信息直接进行相似性分析处理的方法，解决了现有技术存在的诸多缺陷。

1)本发明的方法利用能对几何图形主要特征进行准确描述的一组几何图形特征点信息，对图像进行识别。通过对待识别图像与目标图像的一组几何图形进行比对、计算，先求取各对应几何图形的相似度，在进一步求取图像目标的相似度，采用归一化相似度数据，使图像识别具有统一的方法和统一的识别标准。从而解决了现有技术在构成图像识别系统时，没有统一的识别标准，需要大量的实验数据和统计分析工作才能确定识别标准的缺陷。

2)本发明中，对图像特征的描述，采用由几何图形边界特征点信息构成几何图形特征信息，再由几何图形特征信息构成图像特征信息的方法。这些特征信息在旋转、平移、缩放的情况下，对图像主要特征具有唯一性的描述。图像识别时，通过比对、计算待识别图像与目标图像的一组几何图形，获得各几何图形的相似信息和各几何图形中主要特征点的相似信息，再通过各几何图形的相似信息求取待识别图像与目标图像的相似信息。这样的识别结果信息，既包含了准确的统计信息又包含了细节的差异信息，实现了对图像目标的准确识别，实现了对图像细节差异的准确识别。解决了现有技术识别准确率低的缺陷。

3)本发明的方法求取图像特征信息是通过对图像中各几何图形的边界信息的计算来求取的。其计算量远小于现有技术中通过积分变换或二重积分求取特征信息的计算量，并且计算方法更为简单。图像识别过程，特征信息的处理逻辑较为复杂，但处理的只是提取的少量特征信息数据。所以识别速度是很快的。从而解决了现有技术识别速度低的缺陷。

4)本发明方法的图像特征信息是由一组几何图形特征信息构成。在图像特征信息层面可根据各几何图形的特征，提取图像的检索信息，通过选择不同的图像的检索信息，达到筛选不同类型图像的目的。在几何图形特征信息层面可根据各几何图形中特征点的不同，提取几何图形的检索信息，通过选择不同的几何图形的检索信息，达到筛选不同类型几何图形的目的。客观上也提高了图像的识别速度。这些特点解决了现有技术不能对一类图像的共有特征进行描述，无法实现对图像目标的准确分类的缺陷。

综上所述，与现有技术相比，本发明的图像识别方法和装置具有识别更准确、更细致、更全面，速度更快的显著效果。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明的图像识别方法的流程图；

图2为本发明实施例1中求取图像特征信息的流程图；

图3为本发明实施例1中图像相似分析的流程图；

图4为本发明实施例1中图像相似分析过程几何图形匹配方法流程图；

图5为本发明实施例1中图像相对旋转角度求取方法流程图；

图6为本发明实施例2中目标图像；

图7为本发明实施例2中待识别图像；

图8为本发明实施例2中目标图像的几何图形划分示意图；

图9为本发明实施例2中目标平面几何形状特征点信息示意图；

图10为本发明实施例的图像识别装置的结构图；

图11为本发明实施例中平面几何形状相似判断识别方式的流程图；

图12为本发明实施例中相似判断求取平面几何形状相似度的方法流程图；

图13为本发明实施例中平面几何形状相似分析识别方式的流程图；

图14为本发明实施例中相似分析求取最大相似度的方法流程图；

图15为本发明实施例中相似分析求取平面几何形状相似度的方法流程图；

图16为本发明实施例中判定一对特征点信息的匹配关系的方法流程图。

具体实施方式

下面将参考附图并结合实施例，来详细说明本发明。

具有视觉能力的人和动物都具有识别图像目标的能力，在生存基本活动中，自觉或不自觉的具有了这种能力。这种能力来源于形象思维，形象思维是通过感知表象信息，调用头脑中的形象知识(表象、意象、经验等)，通过分析、比较、归纳、想象等思维活动，完成对事物本质的认识。与现有图像目标识别技术对比，这一思维活动并没有运用复杂的数学理论，也没有大量复杂的计算，但却是简洁、快速、有效的。具有动物的智商就能正确地识别图像目标，客观上说明了存在简化、高效的图像目标描述及识别方法。

根据人类对图像目标识别的直接感受，可知形象思维是通过直接感知图像目标中各几何图形边界的轮廓特征，并与记忆中图像目标的轮廓特征进行比较、分析，实现图像目标的识别。本发明的方法，首先计算得到待识别图像中各几何图形的特征信息。与用同样方法计算得到目标图像中各几何图形的特征信息直接比对实现对图像的识别。

实施例1：

如图1所示，本实施例提供了一种图像的识别方法，包括以下步骤：

步骤S10、对目标图像和待识别图像分别求取图像特征信息，其分别包括：一组几何图形特征信息，和从一组几何图形特征信息提取统计信息构成的图像检索信息。

如图2所示，提供了对目标图像和待识别图像分别求取图像特征信息的实施例，步骤10包括：

步骤102，将目标图像或待识别图像划分为多个几何图形；

步骤104，对各个几何图形求取得到一组几何图形特征信息，其包括：获取几何图形特征点信息；提取图形检索信息；由几何图形特征点信息和图形检索信息构成一组几何图形特征信息；

步骤106，从一组几何图形特征信息提取反映图像整体特征的统计信息构成图像检索信息；

步骤108，由一组几何图形特征信息和图像检索信息构成图像特征信息。

下面详述该图像特征信息的求取过程。

在目标图像中搜索边界光学参数相近的像素，搜索到的像素构成多个封闭曲线，将每个封闭曲线构成的图形作为一个几何图形。用这样的方法将目标图像划分为多个几何图形。

一般情况下，多个几何图形是分层次、分区域对图像特征进行描述的，为此我们在图像中定义图像区域级别、图像子区域和独立几何图形。

设置最高级别的图像区域是图像全部，记为N1，渐次低的图像区域级别记为N2，N3...。

每个图像的子区域(图像区域级别为Ni+1)是由上一级别区域(图像区域级别为Ni)中的独立几何图形边界所界定并且内部包含几何图形的区域。

在每个区域中，不被区域中其他几何图形包含的几何图形是独立几何图形。

按照上面的定义，每个几何图形只在特定的区域成为独立几何图形。每个区域的独立几何图形描述该区域的外观特征。后面求取几何图形特征信息，只是对每个几何图形标记其所在区域级别和子区域序号，而不再提及独立几何图形。

求取各几何图形的特征信息，几何图形的特征信息包括该几何图形的特征点信息、该几何图形的边界曲线的参考点信息、该几何图形的检索信息。几何图形的特征点信息的求取方法如下：

首先，按照一定的方向对几何图形的边界曲线进行计算，并获知边界曲线上各点的曲率信息；

然后，求取几何图形的边界曲线的参考点；

接着，求取几何图形边界曲线上，标示变化特征的特征点；

最后，根据所述特征点和所述参考点及所述曲率信息计算特征点信息。

计算得到的几何图形的特征点信息包括以下内容：该几何图形的边界曲线上的特征点以该几何图形的参考点为极点的极坐标矢量(包括极值和极角)、所述特征点的曲率半径、所述特征点的类型代码、所述特征点的附加特征代码。

将特征点信息记为tz(l，s，t，m，r)，其中，l，s是所述极坐标矢量信息中的极值和极角，r是所述特征点的曲率半径，m是所述特征点的附加特征代码，t是所述特征点的类型代码。

几何图形的边界曲线的参考点的确定方法如下：

参考点是通过对几何图形的边界或区域信息计算得到的，所述参考点在旋转、平移和缩放情况下，与边界相对位置具有不变性。将几何图形的边界曲线的参考点记为pc；

几何图形的检索信息的确定方法如下：

由所述一组特征点信息中提取各种统计信息构成描述几何图形的整体特征的检索信息，检索信息包括以下内容：

特征点信息的最大矢量(具有最大矢量的特征点信息序号记为otl)；

特征点信息的最大矢量与最小矢量极值的比值(记为k1)；

各种类型特征点的个数，特征点的类型包括凸点、凹点、切点等。包括：边界曲线上凸点的个数(记为n_t)，边界曲线上凹点的个数(记为n_a)，边界曲线上切点的个数(记为n_q)；

特征点的总数(记为n_z)；

特征点信息矢量旋转角度绝对值的累加和(记为jdl)；

边界总长度(记为zc)；

各种类型边界曲线段累计长度与边界总长度的比值，边界曲线段的类型包括直线、圆弧、曲率单调增弧、曲率单调减弧等，直线的累计长度与边界曲线总长度的比值(记为zx)，圆弧的累计长度与边界曲线总长度的比值(记为yh)，曲率单调增弧的累计长度与边界曲线总长度的比值(记为dz)，曲率单调减弧的累计长度与边界曲线总长度的比值(记为dj)。

几何图形边界曲线上的光学参数(记为bg)；

几何图形所在区域级别(记为qj)；

几何图形所在区域序号(记为qn)；

将几何图形的检索信息记为js(kl，nt，na，nz，ny，nq，ns，otl，jdl，zc，zx，yh，dz，dj，bg，qj，qn)。

由所述的边界曲线参考点、一组特征点信息和检索信息构成描述几何图形的特征信息。

至此，几何图形的特征信息可以记为TZ(pc，js，tz1，tz2，tz3...tzn)，n为该几何图形的特征点的个数。

根据求取的多个几何图形特征信息，进一步求取图像的特征信息TTZ。由一组几何图形特征信息TZ_i和图像检索信息tjs构成图像特征信息。图像检索信息tjs(N，m，h，Kq，qjs₁，qjs₂，...，qjs_m)包括以下内容：

图像包含的区域级别数N，区域个数m，几何图形个数h，以及的各区域几何图形边界曲线长度累加和的最大值与最小值的比值Kq。用这些数据对图像目标总体特征进行统计性的描述。tjs的区域统计信息qjs_i中由区域内各独立几何图形边界曲线长度的最大值mzc，区域内所有独立几何图形边界曲线长度累加和与mzc的比值hzk，区域内各独立几何图形参考点以区域内具有最大边界曲线长度的独立几何图形的参考点为极点的极坐标矢量中的最大矢量mms和最小矢量mss，描述了各区域局部图像目标的统计特征。尤其qjs₁是描述了图像目标整体的外观统计特征。

图像特征信息有两种表示形式：

第一种简略表示TTZ(tjs，TZ₁，TZ₂，...，TZ_h)

TTZ(tjs，QTZ_1.1，QTZ_2.2，...，QTZ_N.m)

按照同样的方法，求待识别图像的特征信息，记为TTZ_d(tjs，TZ₁，TZ₂，...，TZ_h)。

步骤S20、对目标图像的图像特征信息和待识别图像的图像特征信息进行相似性分析，并将分析结果输出。

可选地，在上述的图像识别方法中，还包括：选择每个目标图像的图像特征信息组合构建成识别目标集，并利用图形检索信息，计算目标图像中各几何图形的排序优先度；按排序优先度的大小对识别目标集中的几何图形进行排序；相似性分析包括从识别目标集选择目标图像或逐个地进行相似性分析。

图3为本发明实施例1中图像相似分析的流程图，步骤S20包括如下步骤：

步骤201、利用图像检索信息，对待识别图像与目标图像进行相似预判定，如果预判定两图像相似，转步骤202，否则，判定两图像不相似，重复步骤201对下一目标图像进行相似预判定；

这一步骤是对待识别图像与目标图像是否相似进行快速、粗略的预判定，以提高识别系统的速度和效率的必要措施。具体方法是：

根据图像识别系统对识别精度、识别细致程度的要求，选择图像检索信息中的一个或多个参数，作为评价待识别图像与目标图像相似的充分条件。为了便于评价两图像的相似程度，设定预判定相似度Ypd的计算规则。预判定相似度Ypd取值范围(0～1)。

例如，选择图像中几何图形的个数N、图像中最大几何图形边长与最小几何图形边长的比值Kb、图像的所有几何图形中最大特征点矢量长度与最小特征点矢量长度的比值Ks作为计算预判定相似度Ypd的参数。选择的参数要保证与图像的旋转、平移、缩放无关，选择的参数可以取自图像的检索信息，也可由几何图形特征信息提取。设定Ypd的计算规则，

Ypd＝(1-(Nd-Nt)/Max(Nd，Nt))×(1-(Kbd-Kbt)/Max(Kbd，Kbt))×(1-(Ksd-Kst)/Max(Ksd，Kst))(式中下角标d表示待识别图像参数，下角标t表示目标图像参数；Max(Nd，Nt)表示取两个参数中最大的)。

设定图像相似的预判定指标Ypz＝0.85。计算待识别图像与当前目标图像的预判定相似度Ypd，如果Ypd＜Ypz，判定待识别图像与当前目标图像不相似，选择下一目标图像，按上面步骤判定。否则，判定待识别图像与当前目标图像可能相似，转步骤202作进一步判定。

步骤202、利用几何图形的检索信息，对待识别图像和目标图像中的几何图形进行排序；

为了提高图像的识别速度，首先要提高识别算法的效率。图像识别过程要完成多个对多个几何图形匹配和相似度计算，最后求取最佳匹配、获得最大相似度，才能完成图像的识别。采用遍历计算的方法能够完成识别过程，但效率是很低的。本发明采用几何图形排序、按排序进行方位搜索、匹配度优选获得待选匹配集，对待选匹配集求取图像最大相似度获得识别结果信息的方法使识别效率大大提高。因此，几何图形的排序是这一方法的重要环节。

在求取几何图形特征信息的过程，一般都会对几何图形，按某一规则进行排序。但是，由于几何图形变化的多样性，这种排序有时不能满足多个几何图形匹配的要求。为此，设置几何图形排序，具体方法如下：

选择几何图形检索信息中的一种或多种参数，设定几何图形排序优先度Yxd的计算规则。按此规则计算待识别图像与目标图像中各几何图形排序优先度Yxd。按排序优先度Yxd的大小分别对待识别图像与目标图像中各几何图形排序。

例如，设置几何图形边界长度与图像中几何图形边界最大长度的比值Kc、几何图形中凸特征点个数Tn、几何图形中最大矢量长度与图像的各几何图形中最大矢量长度的比值Kp作为计算排序优先度的参数。选择的参数要保证与图像的旋转、平移、缩放无关，选择的参数可以取自几何图形的检索信息，也可由几何图形特征信息提取。设定Yxd的计算规则，

Yxd＝(Kc×100)+Tn×10+Kp；对图像中所有几何图形计算排序优先度，并按排序优先度对图像中所有几何图形排序。

当计算排序优先度的参数和计算规则确定后，图像中几何图形的排序可以在求取图像特征信息的过程完成。本发明，在求取图像特征信息的过程中，已对几何图形按区域级别、区域序号、和几何图形边界长度确定了几何图形的排序。如果识别过程选用这一排序，直接利用即可。

步骤203、按步骤202确定的排序关系，利用图像中几何图形的形象特征和方位特征，通过方位搜索、匹配度优选，获得一个或多个待识别图像和目标图像的待选匹配集；

在待识别图像和目标图像中各取一个几何图形，判断两个几何图形是否匹配是根据几何图形的形象特征和方位特征来判定的。形象特征是指几何图形的形状特征和光学特征，方位特征是指两个几何图形的相对位置关系。由于待识别图像和目标图像可能存在缩放、旋转、平移等变化，因此这些判断信息必须是与缩放、旋转、平移无关的相对信息。两个图像的匹配是要对多个几何图形对进行匹配，这一复杂过程如图4所示，包括如下步骤：

步骤301、待识别图像和目标图像在识别过程互为识别对象，为了便于说明将其定义为A、B几何图形集合。

设定待识别图像中的几何图形为A集合、目标图像中的几何图形为B集合，或设定待识别图像中的几何图形为B集合、目标图像中的几何图形为A集合，其中A集合有n个几何图形，记为Pa1到Pan，B集合有m个几何图形，记为Pb1到Pbm。

步骤302、选择特征参数，设定几何图形匹配条件，设定匹配度的计算规则

选择几何图形检索信息中的一种或多种参数作为判别两个几何图形形状特征匹配条件，设定A、B集合中的几何图形对应位置关系作为方位特征匹配的条件。根据设定的形状特征匹配条件和方位特征匹配条件，设定几何图形匹配度Jpd的计算规则和根据几何图形匹配度计算图像匹配度Tpd的计算规则。

例如，选择几何图形检索信息，作为形状特征匹配条件。包括：

js(kl，nt，na，nz，ny，nq，ns，otl，jdl，zc，zx，yh，dz，dj，bg，qj，qn)

特征点信息的最大矢量与最小矢量极值的比值kl；

各种类型特征点的个数，特征点的总数；

特征点信息矢量旋转角度绝对值的累加和jdl；

各种类型边界曲线段累计长度与边界总长度的比值。

如果选择几何图形检索信息之外的信息作为形状特征匹配条件，需要由特征点信息提取得到。

设定Jpd的计算规则：

Jpd＝(1-(kld-klt))×(1-(Kbd-Kbt)/Max(Kbd，Kbt))×(1-(Ksd-Kst)/Max(Ksd，Kst))(式中下角标d表示待识别图像参数，下角标t表示目标图像参数；Max(Nd，Nt)表示取两个参数中最大的)。

设定Tpd的计算规则：

Tpd＝∑Jpdi×Cai(式中下角标i表示A集合几何图形的顺序号，Jpdi是第i个几何图形的匹配度，Cai是第i个几何图形的匹配度对图像匹配度的贡献系数)。

其中Cai的求取方法如下：

选择A集合中几何图形边界长度Zc和特征点最大矢量极值的乘积作为确定贡献系数的参数。设定Cai的计算规则：

Cai＝(Zci×kmi)/PPs；(Zci第个几何图形的边界长度；kmi第个几何图形中最大矢量长度；PPs是Cai的归一化参数，PPs＝∑(Zci×kmi)(i＝1...n))

按上式求取的Cai满足∑Cai＝1；(i＝1...n)

步骤303、根据图像识别的精度要求，设定几何图形匹配判定指标Jpz和图像匹配判定指标Tpz，设定A、B集合几何图形匹配的搜索范围。

几何图形的匹配度Jpd和图像的匹配度Tpd的取值范围都是0～1。根据图像识别的精度要求的不同，对应的判定指标的取值范围可在0.4～1。例如设定Jpz＝0.85；Tpz＝0.85。

根据图像识别的精度要求，还要确定A、B集合中几何图形的最少匹配个数Np。Np的确定规则为：Np＝Int(min(n，m)×Kjp)。式中Kjp是根据识别的精度要求确定的系数，取值取值范围(0＜Kjp＜1)。min(n，m)是取A、B集合中几何图形的最少个数。Int是将计算的结果取整数。

根据计算的最少匹配个数，确定A、B集合中几何图形匹配搜索的序号范围：A集合几何图形排列序号u的搜索的序号范围(1～n-Np)，B集合几何图形排列序号j的搜索的序号范围(1～m-Np)。

步骤304、在搜索范围内，按排序搜索A集合中与B集合中相似度＞几何图形相似判定指标的几何图形对，经不重复判定，设为匹配判定集的基准几何图形，根据基准几何图形求得匹配判定环境参数。超出搜索范围转步骤308。

按几何图形排序，为A集合的几何图形Pau在B集合中搜索相似度xsdu＞局部相似判定指标xsdz的对应几何图形Pbv，如果搜索到，经不重复判定后，将Pau、Pbv作为匹配判定集的基准几何图形。设定基准几何图形比对参考点在A集合中Pau几何图形中的对应点作为判断图像匹配的参考点，将Pau、Pbv几何图形的缩放比例设定为待识别图像与目标图像的缩放比例Ki，当基准几何图形具有确定的方向特征时，将Pau、Pbv几何图形的旋转角度差设定为待识别图像与目标图像的旋转角度差alfi；缩放比例Ki和旋转角度差alfi作为匹配判定环境参数。

本步骤是确定A、B集合几何图形匹配集的第一步。首次进入时，设置A集合的搜索序号u＝1，B集合的搜索序号j＝1，为Pau在B集合搜索的序号范围内搜索相似的几何图形。搜索过程是：顺序求Pau与Pbj几何图形的匹配度(j＝1...m-Np)，当某一对几何图形的匹配度＞设定的几何图形匹配度指标，进一步求取Pau与Pbj这对几何图形的相似度xsdu，如果xsdu＞局部相似判定指标xsdz，设v＝j，确定Pau、Pbv作为匹配判定集的基准几何图形，否则，为Pau在B集合顺序搜索下一个几何图形。在这一搜索过程中，计算匹配度要比计算相似度简单很多，计算量也小得多。采用匹配度指标过滤后求取相似度，并根据相似度判定几何图形相似的方法是有效的。

下面详细介绍几何图形的相似度xsdu的求取过程。

平面几何形状的识别有两种识别方式：相似判断和相似分析。

相似判断的识别方式：

相似判断是对存在较小差异的平面几何形状进行快速判别的识别方法。其识别过程如图11所示包括如下步骤：

步骤201、通过基本检索信息判断待识别与目标平面几何形状主要特征是否相似，如果相似，执行步骤202；否则，给出不相似的判别结果。

根据平面几何形状特征信息求取方法可知，对两个相似的平面几何形状，按同样的方法求其特征信息，其基本检索信息一定是相同的。直接比较凸点个数nt、凹点个数na、直线段个数nz、圆弧段个数ny等，如果不相等，可直接判定两个平面几何形状不相似，否则，转步骤202作进一步判定。

步骤202、求待识别与目标平面几何形状的特征点信息中最大矢量极值的比值，记为kb；如果两基本检索信息中存在类型相同个数为1的特征点，选择这样的特征点为匹配特征点，执行步骤203；否则，执行步骤204；

对于两个相似的平面几何形状，其特征点信息也一定是相似的。当大小不一样时，对应特征点信息的极坐标矢量的极值的比值是不同的。这个比值反映两个相似的平面几何形状的大小比例关系。求待识别与目标的特征点信息中最大矢量极值的比值，kb＝TZd.tzot1.l/TZi.tzot1.l。

当两个相似的平面几何形状旋转角度不同时，特征点信息中极坐标矢量的极角是不同的。一般情况下，要进行相似判断，首先要确定两个相似的平面几何形状中互相匹配的特征点序号。确定的方法是在基本检索信息中选择类型个数为1的特征点。经过步骤201的判定，如果存在这样的特征点，就一定是互相匹配的特征点，转步骤203作进一步判定，否则执行步骤204。

步骤203、分别设定两组特征点信息的开始序号为匹配特征点的序号，按循环排序关系，计算出最大相似度xsdm，执行步骤205；

设置最大相似度xsdm、相似度xsd和与最大相似度对应的特征判断点信息tpdm、与相似度对应的特征判断点信息tpd、与最大相似度对应的待识别特征点信息的开始序号tds，目标特征点信息的开始序号tis。与最大相似度对应的相对旋转角度差为Scm，与最大相似度对应的相对比例系数kbm。设xsdm＝0。

设置特征判断点信息结构，第i个特征判断点信息记为tpdi(xd，jd，dn，dm)，其中xd表示特征判断点的相似度，jd表示特征判断点的描述角度，dn是特征判断点对应的待识别特征点信息的序号，dm是特征判断点对应的目标特征点信息的序号。

由于平面几何形状的特征点信息具有循环排序关系，所以，按照匹配特征点确定开始序号后，两组特征点信息在循环排序时，一定是一一对应匹配的。将待识别特征点信息的开始序号记为ns；将目标特征点信息的开始序号记为ms。执行tds＝us；tis＝ms；Scm＝TZd.tzns.s-TZi.tzms.s；kbm＝kb。计算相似度xsd如图12所示，包括如下步骤：

步骤2031、从开始序号，按循环排序关系，分别计算各对特征点信息对应的特征判断点的相似度、描述角度。

对应开始序号的特征判断点信息序号设为1，以后顺序加1。特征判断点的描述角度设为一对特征点信息中目标特征点信息极坐标矢量的极角。如果任意一对特征点信息的类型代码不同，设置xsd＝0，执行步骤2033，否则，根据特征点类型代码，求取特征判断点的相似度。

定义特征判断点的相似度tpdi.xd＝1-xer。其中xer是一对特征点信息的相对误差。tpdi.xd的取值范围(0～1)。

决定一对特征点信息相对误差有多个因素，根据误差传递的基本方法和本发明的具体情况，对不同类型的特征点定义不同的相对误差计算公式：

设S0＝(TZd.tzns.s-TZi.tzms.s)

对曲率变化的特征点：

当TZi.tzj0.r＝0，并且TZd.tzi0.r不等于0，或者TZi.tzj0.r不等于0，并且TZd.tzi0.r＝0时，设置xer＝1。

当TZi.tzj0.r＝0，并且TZd.tzi0.r＝0时。

xer＝c1×(abs(kb×TZd.tzi0.1-TZi.tzj0.1)/TZi.tzj0.1)+c2×(fab(TZd.tzi0.s-TZi.tzj0.s-S0)/min(fab(TZi.tzj0+1.s-TZi.tzj0.s)，fab(TZi.tzj0.s-TZi.tzj0-1.s))；

当TZd.tzi0.r不等于0并且TZi.tzj0.r不等于0时

xer＝c1×(abs(kb×TZd.tzi0.1-TZi.tzj0.1)/TZi.tzj0.1)+c2×(fab(TZd.tzi0.s-TZi.tzj0.s-S0)/min(fab(TZi.tzj0+1.s-TZi.tzj0.s)，fab(TZi.tzj0.s-TZi.tzj0-1.s))+c3×(abs(kb×TZd.tzi0.r-TZi.tzj0.r)/TZi.tzj0.r)

其中，abs(x)是求取x的绝对值。fab(x)是求取x对应的绝对角度值，当x的绝对值小于180度时，fab(x)等于x的绝对值；当x大于180度时，fab(x)等于360-x；当x小于-180度时，fab(x)等于360+x。min(x，y)是求取x，y中的最小值。

对直线上的特征点：

xer＝c1×(abs(kb×TZd.tzi0.1-TZi.tzj0.1)/TZi.tzj0.1)+c2×(fab(TZd.tzi0.s-TZi.tzj0.s-S0)/min(fab(TZi.tzj0+1.s-TZi.tzj0.s)，fab(TZi.tzj0.s-TZi.tzj0-1.s))+c3×(abs(kb×TZd.tzi0.m-TZi.tzj0.m)/TZi.tzj0.m)

对圆弧上的特征点：

当TZi.tzj0.m＝360时(圆)，

xer＝c1×(abs(kb×TZd.tzi0.1-TZi.tzj0.1)/TZi.tzj0.1)+c3×(abs(TZd.tzi0.m-TZi.tzj0.m)/TZi.tzj0.m)

当TZi.tzj0.m＜360时，

xer＝c1×(abs(kb×TZd.tzi0.1-TZi.tzj0.1)/TZi.tzj0.1)+c2×(fab(TZd.tzi0.s-TZi.tzj0.s-S0)/min(fab(TZi.tzj0+1.s-TZi.tzj0.s)，fab(TZi.tzj0.s-TZi.tzj0-1.s))+c3×(abs(TZd.tzi0.m-TZi.tzj0.m)/TZi.tzj0.m)

相对误差计算公式中，c1、c2、c3分别反映极值、极角、曲率或附加特征代码的相对误差对特征点相对误差的影响程度。根据不同的要求设置c1、c2、c3的值，本例按平均原则确定c1、c2、c3的值并限定c1+c2+c3＝1。如果xer＞1，取xer＝1。

根据特征点的相对误差求得特征点的相似度tpdi.xd＝1-xer。设定相似判断识别方式的特征点相似度判定指标Rtd，Rtd的取值范围(0.8～0.99)。设Rtd＝0.85。当任意一个tpdi.xd＜Rtd时，设置xsd＝0，执行步骤2033，否则，设置tpdi.dn＝i0，tpdi.dm＝j0，继续求取特征判断点的相似度。求取结束，执行步骤2032。

步骤2032、求两个平面几何形状的相似度。累加获得的特征判断点的相似度与角度范围之积，角度范围是所述特征判断点与两相邻特征判断点的描述角度差的绝对值相加之和的一半；将累加和除以基本检索信息中的jdl得到相似度。

xsd＝(∑tpdi.xd×(fab(tpdi+1.jd-tpdi.jd)+fab(tpdi-1.jd-tpdi.jd))/2)/TZi.js.jdl。

步骤2033、执行xsdm＝xsd；tpdm＝tpd，完成保存最大相似度；保存最大相似度的特征判断点信息。然后，执行步骤205。

步骤204、选择一组中的一个特征点信息，与另一组中的同类型特征点信息顺序配对，按配对的特征点信息序号，分别设定两组特征点信息的开始序号，按循环排序关系，计算相似度，从中获得最大相似度和与之相对应的开始序号，执行步骤205。

设置最大相似度xsdm、相似度xsd和与最大相似度对应的特征判断点tpdm、与相似度对应的特征判断点tpd、与最大相似度对应的待识别特征点信息的开始序号tds，目标特征点信息的开始序号tis。与最大相似度对应的相对旋转角度差为Scm，与最大相似度对应的相对比例系数kbm。设xsdm＝0。

当两个平面几何形状不存在匹配特征点时，选择两基本检索信息中特征点类型个数最小的特征点类型，在待识别的特征点信息中任选一个特征点(tds＝ns)，与目标的同类型特征点信息顺序配对，按配对的特征点信息序号，分别设定两组特征点信息的开始序号，计算待识别与目标的开始序号特征点信息中极坐标矢量极值的比值kb＝TZd.tzns.l/TZi.tzms.l，按循环排序关系，计算相似度。相似度的计算方法与步骤2031和步骤2032相同。每次计算得到相似度xsd后，如果xsd＞xsdm，执行xsdm＝xsd；tpdm＝tpd；tis＝ms；tds＝ns；Scm＝TZd.tzns.s-TZi.tzms.s；kbm＝kb。完成保存最大相似度；保存最大相似度的特征判断点信息；保存最大相似度的目标特征点开始序号；保存最大相似度的待识别特征点开始序号；保存最大相似度对应的相对旋转角度差；保存最大相似度对应的相对比例系数。其中tpdm、tis、tds、Scm、kbm称为最大相似度的环境参数。否则，按上述的顺序继续计算相似度。计算结束，执行步骤205。

步骤205、当最大相似度大于完全相似判定指标，判定两平面几何形状相似，进一步根据环境参数的相对旋转角度差，判定两平面几何形状相对旋转角度差；根据环境参数的相对比例系数判定两平面几何形状相对比例关系；根据环境参数的特征判断点信息判定两平面几何形状在各特征点处的差异。否则，判定两平面几何形状不相似。

为相似判断识别方式设置平面几何形状完全相似的判定指标Rxz，Rxz的取值范围(0.8～0.99)。设Rxz＝0.92。当xsdm＜Rxz时，判定两平面几何形状不相似，否则，判定两平面几何形状相似；判定两平面几何形状相对旋转角度差是Scm；判定两平面几何形状相对比例关系是kbm。还可以进一步根据特征判断点信息tpdm，判定在各特征点处的误差情况。

相似分析的识别方式：

相似分析是对存在差异的平面几何形状进行判别的识别方法。在一般意义上，可以对任意两个平面几何形状进行相似分析。但是对两个差异很大的平面几何形状进行相似分析，其意义是不大的，只要能得到不相似的判定结果就足够了。通过基本检索信息判断两个平面几何形状是否具有局部相似特征，就是要通过基本检索信息快速筛选相似度很低的目标，提高识别的速度。如果在主观上要求对所有目标进行分析，可跳过步骤301，直接执行步骤302。

相似分析的识别过程如图13所示包括如下步骤：

步骤301、通过基本检索信息判断待识别与目标平面几何形状主要特征是否满足局部相似判定指标，如果满足，执行步骤302；否则，给出不相似的判别结果；

由于几何形状特征的复杂性，通过基本检索信息判断局部相似，可利用基本检索信息的不同参数构成多种判别方法。本实施例采用如下判别方法：

设置局部相似的边界判定指标Rbj，Rbj的取值范围(1％～50％)；设置局部相似的特征点个数判定指标Rtd，Rtd的取值范围(1～10)。设Rbj＝20％，Rtd＝6。通过对不同类型边界长度比例和特征点个数的判别，判定其局部相似。

如果abs(TZd.js.zx-TZi.js.zx)＜Rbj并且abs(TZd.js.yh-TZi.js.yh)＜Rbj并且abs(TZd.js.dz-TZi.js.dz)＜Rbj并且abs(TZd.js.dj-TZi.js.dj)＜Rbj并且abs(TZd.js.nt-TZi.js.nt)＜Rtd并且abs(TZd.js.na-TZi.js.na)＜Rtd并且abs(TZd.js.nq-TZi.js.nq)＜Rtd判定待识别与目标平面几何形状局部相似。转步骤302；否则，给出不相似的判别结果；

步骤301只是为了最大限度的减少识别过程的计算量。不经步骤301直接执行步骤302也是可以的。

步骤302、选择两基本检索信息中公有特征点类型个数最小值为最大的特征点类型，作为求最大相似度的特征点类型；

对可能具有局部相似特征的两个平面几何形状，确定搜索匹配点的方法。采用对两个平面几何形状的两组特征点信息遍历匹配的方法，虽然可行，但是效率比较低。本步骤采用的方法是通过两个平面几何形状的基本检索信息中公有特征点类型个数的判定，取个数最小值为最大的特征点类型，作为确定匹配点的特征点类型。例如：待识别几何形状的基本检索信息中nt＝8；na＝5；nz＝1；ny＝1；nq＝0；目标几何形状的基本检索信息中nt＝6；na＝5；nz＝0；ny＝1；nq＝0。在两组特征点信息nt最小个数是6，na最小个数是5，nz最小个数是0，ny最小个数是1，nq最小个数是0。其中nt最小个数最大，因此选择凸点类型的特征点。

步骤303、按步骤302选择的特征点类型，在两组特征点信息各取一个，循环顺序配对，按配对的特征点信息序号，分别设定两组特征点信息的开始序号，按循环排序关系，计算相似度，从中获得最大相似度和与之相对应的开始序号；当最大相似度大于完全相似判定指标，判定两平面几何形状相似，进一步根据特征点信息的极角差判定两平面几何形状相对旋转角度差；判定两平面几何形状相对比例关系；当最大相似度大于局部相似判定指标，执行步骤304；否则，给出不相似的判别结果；

设置最大相似度xsdm、相似度xsd和与最大相似度对应的特征判断点信息tpdm、与相似度对应的特征判断点信息tpd、与最大相似度对应的不相似特征判断点个数bxsm、与最大相似度对应的完全相似特征判断点个数qxsm、与最大相似度对应的特征判断点个数pnm、与最大相似度对应的相对旋转角度差为Scm、与最大相似度对应的相对比例系数kbm。设xsdm＝0；bxsm＝TZi.js.ns/2。

对可能具有局部相似的两个平面几何形状，以选择的特征点类型为开始序号，求取最大相似度，如图14所示，包括如下步骤：

步骤3031、在选择的特征点类型中，在两组特征点信息中各取一个特征点信息顺序配对，按配对的特征点信息序号，分别设定两组特征点信息的开始序号，将待识别特征点信息的开始序号记为ns，将目标特征点信息的开始序号记为ms，设置待识别特征点信息的计算序号dns＝ns，设置目标特征点信息的计算序号dms＝ms，计算待识别与目标的开始序号特征点信息中极坐标矢量极值的比值kb＝TZd.tzns.l/TZi.tzms.l。

步骤3032、按循环排序关系，计算按当前开始序号对应的两个平面几何形状的相似度。

相似度是通过计算各对特征点信息对应的特征判断点信息得到的。设置特征判断点信息结构，第k个特征判断点信息记为tpdk(xd，jd，lx，dn，dm)，其中xd表示特征判断点的相似度，jd表示特征判断点的描述角度，lx是特征判断点的匹配类型(0：匹配，1：相近匹配，2：不匹配，3：局部匹配，4：独立特征点)，dn是特征判断点对应的待识别特征点信息的序号，dm是特征判断点对应的目标特征点信息的序号。定义特征判断点的相似度tpdk.xd＝1-xer。其中xer是一对特征点信息的相对误差。tpdk.xd的取值范围(0～1)。设置不相似特征判断点个数bxs＝0，完全相似特征判断点个数qxs＝0、特征判断点序号pn＝0。

计算两平面几何形状对应当前开始序号的相似度xsd，如图15所示，包括如下步骤：

步骤601、从开始序号，按循环排序关系，由计算序号dns和dms指定，顺序获得各对特征点信息，将当前序号设为计算序号，qns＝dns，qms＝dms。特征判断点序号pn＝pn+1。通过匹配判定处理流程，获得一对特征点信息匹配、局部匹配、不匹配或独立特征点信息的判定结果。

匹配判定处理流程如图16所示，包括如下步骤：

步骤6011、一对特征点信息中，目标特征点信息记为Aqms，待识别特征点信息记为Bqns，分别求Aqms与Bqns；Aqms+1与Bqns；Aqms与Bqns+1，以各自的开始序号为基准的相对极角差的绝对值Cqmsqns，Cqms+1qns，Cqmsqns+1，如果Cqmsqns是最小值，执行步骤6012；否则，执行步骤6013。

Cqmsqns＝fab((TZi.tzqms.s-TZi.tzms.s)-(TZd.tzqns.s-TZd.tzns.s))；

Cqms+1qns＝fab((TZi.tzqms+1.s-TZi.tzms.s)-(TZd.tzqns.s-TZd.tzns.s))；

Cqmsqns+1＝fab((TZi.tzqms.s-TZi.tzms.s)-(TZd.tzqns+1.s-TZd.tzns.s))；

其中，fab(x)是求取x对应的绝对角度值，当x的绝对值小于180度时，fab(x)等于x的绝对值；当x大于180度时，fab(x)等于360-x；当x小于-180度时，fab(x)等于360+x。

步骤6012、将两组特征点信息的序号都加1，如果一对特征点信息的特征点类型相同，判定一对特征点信息匹配；否则，判定不匹配；

执行dns＝dns+1，dms＝dms+1为判定下一对特征点信息作准备。如果TZd.tzqns.t＝TZi.tzqms.t，判定一对特征点信息匹配tpdpn.lx＝0；否则，判定不匹配tpdpn.1x＝2，判定结束。

步骤6013、将描述范围小的特征点信息所属的组的序号加1，如果一对特征点信息的特征点类型都是直线或圆弧并且属于同一特征段，判定一对特征点信息局部匹配；否则，判定描述范围小的特征点信息无匹配点。

根据目标集特征信息，判断当前特征点信息的矢量极角变化方向。如果fab(TZi.tzqms.t-TZi.tzqms+1.t)＞0，矢量极角为减小变化方向，否则为增大变化方向。

矢量极角为减小变化方向。当fab(TZd.tzqns.t-TZi.tzqms.t)＞0时，TZd的计算序号dns＝dns+1。否则，TZi的计算序号dms＝dms+1。矢量极角为增大变化方向。当fab(TZd.tzqns.t-TZi.tzqms.t)＜0时，TZd的计算序号dns＝dns+1。否则，TZi的计算序号dms＝dms+1。序号按循环排序关系加一。

当执行计算序号dns＝dns+1时，特征判断点对应TZd.tzqns，否则，特征判断点对应TZi.tzqms。

如果TZd.tzqns.t＝TZi.tzqms.t并且TZd.tzqns.t＝2(直线)时，按三角形内角和等于180度，判定是否属于同一直线段，首先求两特征点矢量的夹角af0＝fab(TZd.tzqms.t-TZi.tzqms.t)，af1是TZd.tzqns.m2(直线段特征点矢量与直线的夹角)，af2是TZi.tzqns.m2(直线段特征点矢量与直线的夹角)。设定角度允许误差Rzx，取之范围(0～5度)设Rzx＝3度。如果fab(af0+af1-af2)＜Rzx或fab(af0+at2-af1)＜Rzx判断两特征点局部相似，属于同一直线段tpdpn.lx＝1。否则，判断两特征点不相似。

否则，如果TZd.tzqns.t＝TZi.tzqms.t并且TZd.tzqns.t＝3(圆弧)时，按圆弧曲率半径和矢量极值判定是否属于同一圆弧。设定曲率半径允许相对误差Rqb，取值范围(1％～15％)；矢量极值允许相对误差Rsl，取之范围(1％～15％)；设Rqb＝8％，Rsl＝8％。如果abs(TZd.tzqns.r-TZi.tzqms.r)/TZi.tzqms.r＜Rqb并且abs(TZd.tzqns.l-TZi.tzqms.l)/TZi.tzqms.l＜Rsl判断两特征点局部相似，属于同一圆弧tpdpn.lx＝1。否则，判断两特征点不相似。

否则，判断特征判断点对应的特征点无匹配点。

步骤602、根据步骤601返回的匹配结果计算各对特征点信息对应的特征判断点信息。

根据匹配判定结果设定特征判断点的类型代码。当匹配判定结果是匹配、不匹配或局部匹配时tpdpn.dn＝qns，tpdpn.dm＝qms。当匹配判定结果是独立特征点时，如果独立特征点是目标特征点tpdpn.dn＝0，tpdpn.dm＝qms，否则tpdpn.dn＝qns，tpdpn.dm＝0。

当匹配判定结果是匹配、不匹配或独立特征点信息是目标特征点信息或局部匹配中的小范围特征点信息是目标特征点信息时，特征判断点的描述角度中dpn.xd＝TZi.tzqms.s；当独立特征点信息是待识别特征点信息或局部匹配中的小范围特征点信息是待识别特征点信息时，特征判断点的描述角度等于待识别特征点信息当前位置以目标开始序号特征点信息为基准的极角值，tpdpn.xd＝TZi.tzms.s+(TZd.tzqns.s-TZd.tzns.s)。

当匹配判定结果是不匹配或独立特征点信息时，特征判断点的相似度tpdpn.xd＝0；当匹配判定结果是匹配或局部匹配时，根据特征点类型代码，求取特征判断点的相似度tpdpn.xd＝1-xer。其中xer是一对特征点信息的相对误差。

决定一对特征点信息相对误差有多个因素，根据误差传递的基本方法和本发明的具体情况，对不同类型的特征点定义不同的相对误差计算公式：

设S0＝(TZd.tzns.s-TZi.tzms.s)

对曲率变化的特征点：

xer＝c1×(abs(kb×TZd.tzqns.l-TZi.tzqms.l)/TZi.tzqms.l)+c2×(fab(TZd.tzqns.s-TZi.tzqms.s-S0)/min(fab(TZi.tzqms+1.s-TZi.tzqms.s)，fab(TZi.tzqms.s-TZi.tzqms-1.s))+c3×abs(tat-tay)/tay

其中，abs(x)是求取x的绝对值。fab(x)是求取x对应的绝对角度值，当x的绝对值小于180度时，fab(x)等于x的绝对值；当x大于180度时，fab(x)等于360-x；当x小于-180度时，fab(x)等于360+x。min(x，y)是求取x，y中的最小值。tat、tay是根据特征点曲率半径的不同情况，具有不同算法的函数。

当TZd.tzqns.r不等于0时，tat＝kbxTZd.tzqns.r；否则，tat＝TZd.tzqns.m。

当TZi.tzqms.r不等于0时，tay＝TZi.tzqms.r；否则，tay＝TZi.tzqms.m。

当TZi.tzqms.r＝0并且TZd.tzqns.r不等于0或TZi.tzqns.r＝0并且TZd.tzqms.r不等于0时，tpdpn.lx＝1。

对直线上的特征点：

如果特征点是完全匹配的，xer＝c1×(abs(kb×TZd.tzqns.l-TZi.tzqms.l)/TZi.tzqms.l)+c2×(fab(TZd.tzqns.s-TZi.tzqms.s-S0)/min(fab(TZi.tzqms+1.s-TZi.tzqms.s)，fab(TZi.tzqms.s-TZi.tzqms-1.s))+c3×(abs(kb×TZd.tzqns.m-TZi.tzqms.m)/TZi.tzqms.m)

如果特征点是局部匹配的xer＝0。

对圆弧上的特征点：

如果特征点是完全匹配的，当TZi.tzqms.m＝360时(圆)，

xer＝c1×(abs(kb×TZd.tzqns.l-TZi.tzqms.l)/TZi.tzqms.l)+c3×(abs(TZd.tzqns.m-TZi.tzqms.m)/TZi.tzqms.m)

当TZi.tzqms.m＜360时，

xer＝c1×(abs(kb×TZd.tzqns.l-TZi.tzqms.l)/TZi.tzqms.l)+c2×(fab(TZd.tzqns.s-TZi.tzqms.s-S0)/min(fab(TZi.tzqms+1.s-TZi.tzqms.s)，fab(TZi.tzqms.s-TZi.tzqms-1.s))+c3×(abs(TZd.tzqns.m-TZi.tzqms.m)/TZi.tzqms.m)

如果特征点是局部匹配的xer＝0。

相对误差计算公式中，c1、c2、c3分别反映极值、极角、曲率或附加特征代码的相对误差对特征点相对误差的影响程度。根据不同的要求设置c1、c2、c3的值，本例按平均原则确定c1、c2、c3的值并限定c1+c2+c3＝1。如果xer＞1，取xer＝1。

根据特征点的相对误差求得特征点的相似度tpdpn.xd＝1-xer。

步骤603、设定相设定相似判断识别方式的特征判断点相似度判定指标Rtd，Rtd的取值范围(0.8～0.99)。设Rtd＝0.85。设定相设定相似分析识别方式的特征判断点相似度判定指标Rtx，Rtx的取值范围(0.4～0.85)。设Rtx＝0.5。当tpdk.xd＜Rtx时，不匹配特征点个数bxs＝bxs+1。当tpdk.xd＞Rtd时，完全匹配特征点个数qxs＝qxs+1。如果bxs＞bxsm，设置xsd＝0，结束当前相似度计算，转步骤3033，否则，判断特征判断点信息计算是否结束，如果没结束，执行步骤601，否则，执行步骤604。

步骤604、求两个平面几何形状的相似度。累加获得的特征判断点的相似度与角度范围之积，角度范围是按循环排序关系，两相邻特征判断点的描述角度之差再除以2；将累加和除以基本检索信息中的jdl得到相似度。xsd＝(∑tpdi.xd×fab((tpdi+1.jd-tpdi-1.jd)/2))/TZi.js.jdl。

步骤3033、如果xsd＞xsdm，执行xsdm＝xsd；tpdm＝tpd；tis＝ms；tds＝ns；bxsm＝bxs；qxsm＝qxs；Scm＝TZd.tzns.s-TZi.tzms.s；kbm＝kb；pnm＝pn。完成保存最大相似度；保存最大相似度的特征判断点信息；保存最大相似度的目标特征点信息开始序号；保存最大相似度的待识别特征点信息开始序号；保存最大相似度对应的不匹配特征判断点个数；保存最大相似度对应的完全匹配特征判断点个数；保存最大相似度对应的相对旋转角度差；保存最大相似度对应的相对比例系数；保存最大相似度对应的特征判断点个数。其中tpdm、tis、tds、bxsm、qxsm、Scm、kbm、pnm称为最大相似度的环境参数。

步骤3034、在选择的特征点类型中，是否完成顺序配对求取相似度。如果没有完成，转步骤3031，否则，求取过程结束，在步骤3033已获得最大相似度的环境参数。

通过步骤3031到步骤3034得到两个平面几何形状最佳匹配时的最大相似度环境参数并输出。设置平面几何形状完全相似的判定指标Rxz，和局部相似的判定指标Rxj。Rxz的取值范围(0.8～0.99)，Rxj的取值范围(0.4～0.85)。设Rxz＝0.92，Rxj＝0.55。

当TZi.tz.js.ns＝TZd.tz.js.ns并且Wpcm＝TZi.tz.js.ns并且xsdm＞Rxz时，判定两平面几何形状完全相似，判定两平面几何形状相对旋转角度差是Scm；判定两平面几何形状相对比例关系是kbm。还可以进一步根据特征判断点信息tpdm，判定在各特征点处的误差情况。判定过程结束。

当xsdm＜Rxj时，判定两平面几何形状不相似，判定过程结束。否则，判定两平面几何形状局部相似，执行步骤304。

步骤304、按最大相似度的计算结果，计算待识别几何形状原参考点与比对参考点的矢量差，求TZd中特征点信息以比对参考点为极点的极值与极角，构成待识别几何形状一组新的特征点信息。

在最大相似度的环境参数中，选择相似度最大并且类型代码lx＝0的三个特征判断点，记为tpdms1，tpdms2，tpdms3。分别求取三个特征判断点对应的目标特征点信息极坐标矢量与待识别特征点信息极坐标矢量的矢量差，记为sl1，sl2，sl3。例如，目标特征点信息中序号为tpdms1.dm的极坐标矢量记为mb1，最佳匹配状态下，待识别特征点信息中序号为tpdms1.dn的极坐标矢量记为ds1，sl1＝mb1-ds1。从sl1，sl2，sl3中选择两个矢量差最小的矢量，记为sl01，sl02。求两个矢量的平均值作为待识别几何形状原参考点与比对参考点的矢量差slc＝(sl01+sl02)/2。

求最佳匹配状态下TZd中特征点信息以比对参考点为极点的极值与极角。最佳匹配状态下TZd的特征点信息中的极坐标矢量记为sdi。以比对参考点为极点的TZd的一组新的特征点信息中的极坐标矢量记为xsdi，按式xsdi＝sdi+slc求取待识别几何形状一组新的特征点信息，记为xtzi。上面序号i的取值范围(1～TZd.js.ns)。

求待识别和目标几何形状在相同比对参考点的相似度

步骤305、按照步骤304求取的一组新的特征点信息和最大相似度的环境参数确定的最佳匹配关系，重新计算特征判断点数据、最大相似度。获得待识别和目标几何形状的整体相似度，获得两几何形状边界上局部相似、相异的定量描述结果。

设置tpd＝tpdm，bxs＝0，qxs＝0，重新计算特征判断点数据。

对tpdk设置qns＝tpdk.dn，qms＝tpdk.dm，特征点信息匹配类型为tpdk.lx，按步骤602重新计算特征判断点的相似度和描述角度。当tpdk.xd＜Rtx时，不匹配特征点个数bxs＝bxs+1。当tpdk.xd＞Rtd时，完全匹配特征点个数qxs＝qxs+1。计算过程，特征判断点下标k的取值范围(1～pnm)。按步骤604重新计算相似度xsd。然后执行tpdm＝tpd，bxsm＝bxs，qxsm＝qxs，xsdm＝xsd。相对旋转角度Scm，相对比例系数kbm保持不变。

这是两个平面几何形状在相同的比对参考点得到的最大相似度xsdm，相对旋转角度Scm，相对比例系数kbm，不匹配特征判断点个数bxsm，完全匹配特征判断点个数qxsm，特征判断点数据tpdm。其中，xsdm、Scm、kbm、bxsm、qxsm是对两个平面几何形状相似性的整体描述，tpdm是对两个平面几何形状相似性的局部特征的差异描述。

在求取两个几何图形相似度时，得到的识别结果包括：几何图形的形状相似度、各个对应特征点的相似度、两个几何图形的相对旋转角度(当基准几何图形具有确定的方向特征时)、两个几何图形的缩放比例，还进一步包括比对参考点。比对参考点是使两个几何图形具有最大相似度的公共参考点。

具有确定的方向特征的几何图形是指几何图形在任意旋转角度下都有唯一对应的一组特征点信息，唯一对应关系反映在矢量的夹角。一般来说，中心点对称的几何图形都不具有确定的方向特征。

几何图形具有确定方向特征的判定必须满足两个条件：

几何图形的特征点个数大于1；

几何图形特征点信息中的特征点矢量对于极点是中心不对称的。

特征点个数等于1的几何图形只有圆，圆是不具有确定方向特征的。

实际应用中，可设定判定特征点矢量对于极点中心对称度的计算规则，设定中心对称度的判定指标。通过计算判定几何图形是否具有确定方向特征。

当基准几何图形不具有确定的方向特征时，如图5所示按如下步骤求取相对旋转角度：

步骤401、在A集合中，选择与基准几何图形Pau排序临近的几何图形Paus，

步骤402、根据缩放系数确定A集合中几何图形Paus对应B集合中几何图形的方位信息。

以几何图形Pau的参考点为极点，求A集合中Paus几何图形参考点的极坐标矢量Kaus，并求Kbus＝Kaus×Ki；

步骤403、在B集合中几何图形方位信息的矢量长度所确定的圆周边界附近，按最大匹配度原则，搜索与Paus匹配的几何图形Pbus。

设定矢量Kbus的极坐标的极点是基准几何图形比对参考点在B集合中Pbv几何图形中的对应点，在以Kbus矢量长度为半径的圆周边界附近，搜索与几何图形Paus具有最大匹配度Jpdus的B集合的几何图形Pbus。

步骤404、如果匹配度Jpdus＞匹配度指标Jpz，转步骤405，否则，重新选择与基准几何图形Pau排序临近的几何图形Paus转步骤402。

步骤405、根据几何图形Pbus的方位信息，计算待识别图像与目标图像的旋转角度差。

根据几何图形Pbus的参考点的方位信息，重新计算Kbus矢量，计算待识别图像与目标图像的旋转角度差alfi＝qbus-qaus(qbus是Kbus的矢量夹角，qaus是Kaus的矢量夹角)。

步骤305、以基准几何图形为基准，根据匹配环境参数和A集合中几何图形分布的方位信息求取对应B集合中几何图形的方位信息。

以步骤304设定的参考点为极点，求A集合中除Pau以外的几何图形参考点的极坐标矢量Kas(1＜＝s＜＝n，s不等于u)，根据步骤304设定的缩放比例Ki和旋转角度差alfi对Kas进行数学变换得到Kbs(1＜＝s＜＝n，s不等于u)，变换方法为：kbs＝kas×Ki，qbs＝qas+alfi(其中kbs是Kbs的矢量长度，qbs是Kbs的矢量夹角，kas是Kas的矢量长度，qas是Kas的矢量夹角)，设定一组矢量Kbs的极坐标的极点是基准几何图形比对参考点在B集合中Pbv几何图形中的对应点，设定Kbs中每个矢量的端点是B集合中对应几何图形方位特征匹配的条件。

步骤306、根据A集合与B集合中几何图形对应的方位信息，按最大匹配度原则，为A集合中的各几何图形确定与B集合中几何图形的对应关系，根据A集合中各几何图形的匹配度计算图像的匹配度，获得匹配判定集信息。

按步骤303设定的计算规则，计算Pau、Pbv为基准几何图形的各几何图形匹配度和图像匹配度，获得A、B集合中对应的几何图形匹配集；

计算A集合中各几何图形对应B集合中几何图形的匹配度Jpdi，其中i不等于u，Jpdu已求取。

Jpdi＝(1-(kld-klt))×(1-(Kbd-Kbt)/Max(Kbd，Kbt))×(1-(Ksd-Kst)/Max(Ksd，Kst))

步骤307、根据步骤303确定的在搜索范围，判定匹配判定集搜索过程是否结束

设u是当前A集合几何图形的搜索序号，j是当前B集合几何图形的搜索序号，当u小于n-Np时，如果j小于(m-Np)，j＝j+1，否则，j＝1，u＝u+1，转步骤304；当u大于等于n-Np时，转步骤308。

步骤308、将获得的多个匹配判定集的图像匹配度Tpd按大小排序，按排序选择图像匹配度Tpd大于图像匹配判定指标Tpz的一个或多个待判定匹配集作为待选匹配集。

步骤204、对步骤203确定的待选匹配集，先求取待识别图像和目标图像中相匹配的各几何图形的相似度Jxsdi，然后根据各几何图形的相似度Jxsdi求取待识别图像和目标图像的相似度Txsd，对多个待选匹配集，选择Txsd为最大值的匹配集和相似分析数据作为当前待识别图像和目标图像相似分析的结果；

步骤205、待识别图像和目标图像相似分析的结果信息包括整体相似度Txsd、图像缩放比例Tk、图像相对旋转角度Talf和局部相似信息Jxsdi，设定图像相似判定指标Txsdz，当Txsd大于所述图像相似判定指标Txsdz，判定待识别图像和目标图像相似，否则，判定待识别图像和目标图像不相似；局部相似信息Jxsdi包括待识别图像中各几何图形与目标图像中对应几何图形的相似信息，每个几何图形的相似信息Jxsdi包括几何形状的整体相似度xsdi以及形象相似信息、方位相似信息，设定局部图像相似判定指标xsdz，当xsdi大于所述局部图像相似判定指标xsdz，判定待识别图像和目标图像第i个几何图形界定区域相似，否则，判定待识别图像和目标图像第i个几何图形界定区域不相似，形象相似信息描述了几何图形边界特征点的差异和几何图形光学特征的差异，方位相似信息描述了相匹配的两个几何图形参考点的方位差异。

实施例2：

下面以具体实例对本发明方法进行描述：

本例对图6所示的目标图像和图7所示的待识别图像进行识别与相似性分析，包括以下步骤：

步骤501、对图6所示的目标图像求取特征信息，保存目标图像的特征信息；

通过搜索边界光学参数相近的像素，获得6个封闭曲线，这6个封闭曲线构成6个几何图形：t1～t6，如图8所示；

分别对几何图形t1～t6，计算包括参考点、一组特征点信息和检索信息的几何图形特征信息。各几何图形以参考点为极点的一组特征点信息的矢量示意图分别如图所示。对应t1～t6的几何图形特征信息表示如下：

TZ1(pc，js，tz1，tz2，tz3...tz10)；(t1有10个特征点)

TZ2(pc，js，tz1，tz2，tz3...tz6)；(t2有6个特征点)

TZ3(pc，js，tz1，tz2，tz3...tz4)；(t3有4个特征点)

TZ4(pc，js，tz1，tz2，tz3...tz8)；(t4有8个特征点)

TZ5(pc，js，tz1，tz2，tz3...tz6)；(t5有6个特征点)

TZ6(pc，js，tz1，tz2，tz3...tz5)；(t6有5个特征点)

图6所示的目标图像划分的区域等级数为3级。第一级区域是整个图像区域，包含t1、t2、t3三个独立几何图形，第二级区域是t1的边界界定的区域，包含t4一个独立几何图形，第三级区域是t4的边界界定的区域，包含t5、t6两个独立几何图形。每一级区域的区域个数都是1，总的区域个数是3。

第一级区域的参考点为qpc1。t1、t2、t3的参考点分别为pc1、pc2、pc3。pc1、pc2、pc3与qpc1的矢量关系如图9A所示；

第二级区域(即由t1界定的区域)的参考点为qpc2。t4的参考点为pc4，pc4与qpc2重合，如图9B所示；

第三级区域(即由t4界定的区域)的参考点为qpc3。t5和t6的参考点为pc5，pc6。pc5，pc6与qpc3的矢量关系如图9C所示。

按区域描述图像特征的区域特征信息表示为：

QTZ1.1(qpc1，C1，cpc1，TZ1，TZ2，TZ3)；其中，C1取值为3，由于不存在界定本图像目标所在区域的独立几何图形，因此cpc1为0；

QTZ2.2(qpc2，C2，cpc2，TZ4)；其中，C2取值为1，cpc2为本区域的参考点qpc2与界定本区域的独立几何图形t1的参考点pc1的矢量差；

QTZ3.3(qpc3，C3，cpc3，TZ5，TZ6；其中，C3取值为2，cpc3为本区域的参考点qpc3与界定本区域的几何图形t4的参考点pc4的矢量差；

进一步还可提取图像目标的检索信息tjs(N，m，h，Kq，qjs₁，qjs₂，qjs₃)，其中N＝3；m＝3；h＝6；Kq＝2.64；区域统计信息qjs₁(mzc，hzk，mms，mss)中mzc＝2218；hzk＝0.716；mms＝230∠-132；mss＝262∠-135；qjs₂(mzc，hzk，mms，mss)中mzc＝1160；hzk＝1；mms＝0∠0；mss＝0∠0；qjs₃(mzc，hzk，mms，mss)中mzc＝820；hzk＝0.811；mms＝98∠-90；mss＝98∠-90；

由几何图形特征信息、区域特征信息和检索信息构成的目标图像的特征信息有两种表示方式：

(1)简略表示：

TTZ(tjs，TZ₁，TZ₂，TZ₃，TZ₄，TZ₅，TZ₆)；

(2)区域层次表示：

TTZ(tjs，QTZ_1.1，QTZ_2.2，QTZ_3.3)；

tjs(3，3，6，2.64，qjs₁，qjs₂，qjs₃)；

QTZ_1.1(qpc1，3，cpc₁，TZ₁，TZ₂，TZ₃)；

QTZ_2.2(qpc2，1，cpc₂，TZ₄)；

QTZ_3.3(qpc3，2，cpc₃，TZ₅，TZ₆)；

保存目标图像的特征信息。

步骤502、选择目标图像的特征信息并装载到识别系统中。

步骤503、按照步骤501同样的方法，求取如图7所示的待识别图像的特征信息。

由几何图形特征信息、区域特征信息和检索信息构成的目标图像的特征信息表示为：

(1)简略表示：

TTZd(tjs，TZ₁，TZ₂，TZ₃，TZ₄，TZ₅)；

(2)区域层次表示：

TTZd(tjs，QTZ_1.1，QTZ_2.2，QTZ_3.3)；

tjs(3，3，6，2.64，qjs₁，qjs₂，qjs₃)；

QTZ_1.1(qpc1，3，cpc₁，TZ₁，TZ₂，TZ₃)；

QTZ_2.2(qpc2，1，cpc₂，TZ₄)；

QTZ_3.3(qpc3，2，cpc₃，TZ₅)；

由于图6、图7所示的图像只是旋转角度、缩放比例和第6个几何图形的有无存在差异，所以图7所示的图像求取特征信息过程的示意图都可参照图6所示的图像对应的示意图。

步骤504、将待识别图像特征信息TTZd与所述识别目标图像特征信息TTZ，利用其中的一组几何图形特征信息，顺序比对、计算，进行相似性分析处理，并将判定的识别结果输出。

首先，作相似预判定。选择图像中区域等级数N、区域个数m、几何图形个数h作为计算预判定相似度Ypd的参数。设定Ypd的计算规则，

Ypd＝(1-(Nd-Nt)/Max(Nd，Nt))×(1-(md-mt)/Max(md，mt))×(1-(hd-ht)/Max(hd，ht))(式中下角标d表示TTZd参数，下角标t表示TTZ参数；Max(Nd，Nt)表示取两个参数中最大的)。

设定图像相似的预判定指标Ypz＝0.7。

代入TTZd与TTZ中的数据，计算预判定相似度Ypd＝0.833。Ypd＞Ypz，判定图7所示图像与图6所示图像可能相似，作进一步判定。

在步骤501和步骤503，采用同样的方法求取特征信息。求取过程对几何图形已经按照区域等级、区域序号和几何图形边界长度的参数顺序对几何图形排序了(Yxd＝(N×100)+M×10+(TZi.zc/mzc)×10)。本实施例直接采用这种排序，对几何图形进行匹配。

目标图像特征信息TTZ中几何图形的排序号，由1到6，待识别图像特征信息TTZd中几何图形的排序号，由1到5。将TTZd中的几何图形设为A集合，记为Pa1～Pa5；将TTZ中的几何图形设为B集合，记为Pb1～Pb6。

选择几何图形检索信息中，特征点信息的最大矢量与最小矢量极值的比值kl、特征点的总数nz、特征点信息矢量旋转角度绝对值的累加和jdl作为几何图形匹配的形象条件(不考虑几何图形光学特征的差异，只要形状一样即认为是相似的)，选择两几何图形参考点之间的距离J1作为几何图形匹配的方位条件。

设定几何图形匹配度的计算规则：

Jpd＝(1-abs(kld-klt)/Max(kld，klt))×(1-abs(nzd-nzt)/Max(nzd，nzt))×(1-abs(jdld-jdlt)/Max(jdld，jdlt))×(1-J1/XJ1)(式中下角标d表示待识别图像参数，下角标t表示目标图像参数；Max(kld，klt)表示取两个参数中最大的)；abs(kld，klt)表示取两个参数差的绝对值，XJ1是Pad几何图形中最大特征点矢量长度的一半)。

设定图像匹配度Tpd的计算规则：

Tpd＝∑Jpdi×Cai(式中下角标i表示A集合几何图形的顺序号，Jpdi是第i个几何图形的匹配度，Cai是第i个几何图形的匹配度对图像匹配度的贡献系数)。

其中Cai的求取方法如下：

选择A集合中几何图形边界长度zc作为确定贡献系数的参数。设定Cai的计算规则：

Cai＝(Zci)/PPs；(Zci第个几何图形的边界长度；PPs是Cai的归一化参数，PPs＝∑(Zci)(i＝1...n))

按上式求取的Cai满足∑Cai＝1；(i＝1...n)

计算过程几何图形的边界长度以像素为单位，求取结果如下：

Ca1＝0.401；Ca2＝0.123；Ca3＝0.079；Ca4＝0.279；Ca5＝0.118。

设定几何图形匹配判定指标Jpz＝0.75；设定图像匹配判定指标Jpz＝0.75。

按照Np＝Int(min(n，m)×Kjp)的规则求A、B集合中几何图形的最少匹配个数Np。式中Kjp是根据识别的精度要求确定的系数，设Kjp＝0.75。求得Np＝Int(min(5，6)×0.75)＝3。min(n，m)是取A、B集合中几何图形的最少个数。Int是将计算的结果取整数。

确定A、B集合中几何图形匹配搜索的序号范围：A集合几何图形排列序号u的搜索的序号范围(1～2)，B集合几何图形排列序号j的搜索的序号范围(1～3)。

根据识别的精度要求，设定几何图形的相似度判定指标xsdz＝0.8。设置已选定的匹配判定集个数为Ppc＝0。设置A集合的搜索序号u＝1，B集合的搜索序号j＝1。

开始对A集合中与B集合中几何图形进行匹配。在获得基准几何图形时，设定两几何图形参考点的距离为0。求Pau与Pbj的匹配度Jpdu＝(1-abs(klu-klj)/Max(klu，klj))×(1-abs(nzu-nzj)/Max(nzu，nzj))×(1-abs(jdlu-jdlj)/Max(jdlu，jdlj))＝(1-abs(3.01-3.01)/3.01)×(1-abs(10-10)/10)×(1-abs(681-681)/681)×(1-0/293)＝1.0。当匹配判定集个数Ppc为0，直接对Pau与Pbj进行几何图形的相似分析，获得的识别结果中，相似度xsdu＝1.0；缩放比例Ki＝2.0；相对旋转角度alfi＝90度；比对参考点与几何图形Pau的参考点重合。据此确定了匹配判定环境参数。

设定方向特征判定指标Lkz＝0.2。

求几何图形Pau的全部特征点矢量的累加和的矢量Lpau，进一步求Lpau的矢量长度与几何图形Pau的最大矢量长度的比值Lk＝3.6。Lk＞Lkz，确定几何图形Pau是具有确定方向特征的。环境参数相对旋转角度alfi＝90度是有效的。

设定v＝j、设定Pau、Pbv为当前匹配判定集的基准几何图形，设定几何图形Pau的参考点为当前匹配判定集的参考点。以此参考点为极点，求A集合中除Pau以外的几何图形参考点的极坐标矢量Kas(1＜＝s＜＝n，s不等于u)。

Ka2＝380∠149；(矢量长度380、矢量夹角149度)

Ka3＝514∠137；(矢量长度514、矢量夹角137度)

Ka4＝151∠29；(矢量长度151、矢量夹角29度)

Ka5＝204∠13；(矢量长度204、矢量夹角13度)

根据求得的匹配环境参数，缩放比例Ki和旋转角度差alfi对Kas进行数学变换得到Kbs(1＜＝s＜＝n，s不等于u)，变换方法为：kbs＝kas×Ki，qbs＝qas+alfi(其中kbs是Kbs的矢量长度，qbs是Kbs的矢量夹角，kas是Kas的矢量长度，qas是Kas的矢量夹角)。

Kb2＝760∠-121；(矢量长度380、矢量夹角-121度)

Kb3＝1028∠-133；(矢量长度514、矢量夹角-133度)

Kb4＝302∠119；(矢量长度151、矢量夹角119度)

Kb5＝408∠103；(矢量长度204、矢量夹角103度)

求取Pau、Pbv几何图形相似度时，两几何图形参考点重合(比对参考点与几何图形Pau的参考点重合)。以Pbv几何图形相参考点为极点的一组矢量Kbs的端点是B集合中对应几何图形方位特征匹配的条件。

计算A集合中各几何图形对应B集合中几何图形的相似度Jpdi，其中i不等于u，Jpdu已求取。

Jpdi＝(1-abs(kld-klt)/Max(kld，klt))×(1-abs(nzd-nzt)/Max(nzd，nzt))×(1-abs(jdld-jdlt)/Max(jdld，jdlt))×(1-J1/XJ1)。

代入参数求得：

Jpd2＝1.0；Jpd3＝1.0；Jpd4＝1.0；Jpd5＝1.0；

按Tpd＝∑Jpdi×Cai求得图像匹配度：

Tpd＝1.0×0.401+1.0×0.123+1.0×0.079+1.0×0.279+1.0×0.118＝1.0。保留当前匹配判定集信息，匹配判定集个数Ppc＝Ppc+1。在以获得的匹配判定集中，A、B集合中几何图形的匹配关系是：

Pa1：Pb1；Pa2：Pb2；Pa3：Pb3；Pa4：Pb4；Pa5：Pb5。

按照搜索匹配判定集的限定条件，在A、B集合几何图形序号搜索范围内，可获得几何图形匹配度＞几何图形匹配度判定指标的几何图形对分别是：Pa2：Pb2；Pa3：Pb3；这两个几何图形对在以获得的匹配判定集信息中都存在，并且Pa2：Pb2；Pa3：Pb3；的匹配度不大于匹配判定集信息中的匹配度，所以，不能作为基准几何图形。搜索匹配判定集过程结束。

获得的一个匹配判定集的图像匹配度Tpd大于图像匹配判定指标Tpz，将其作为待选匹配集。

求取待识别图像和目标图像中相匹配的各几何图形的相似度Jxsdi。基准几何图形的相似度已求取，非基准几何图形的相似度求取过程如下：根据求得的匹配环境参数，缩放比例Ki＝2.0和旋转角度差alfi＝90度，对A集合中第i个几何图形的一组特征点信息aTzj进行数学变换得到abTzj(1＜＝j＜＝nt，nt是第i个几何图形特征点的个数)，变换方法为：abtzj＝atzj×Ki，abqbj＝aqaj+alfi(其中abtzj是abTzj的矢量长度，abqbj是abTzj的矢量夹角，atzj是aTzj的矢量长度，aqaj是aTzj的矢量夹角)。求取由abTzj构成的转换几何图形特征信息与B集合对应几何图形求的相似度Jxsdi。按照专利的方法求取几何形状的相似度，求取过程还有几何图形光学特征差异，几何图形参考点的位移差异和旋转角度差异。

然后根据各几何图形的相似度Jxsdi求取待识别图像和目标图像的相以度Txsd，

按Txsd＝∑Jxsdi×Cai求得图像相似度：

Txsd＝1.0×0.401+1.0×0.123+1.0×0.079+1.0×0.279+1.0×0.118＝1.0。将Txsd和上述识别过程的相似分析数据作为当前待识别图像和目标图像相似分析的结果；

待识别图像和目标图像相似分析的结果信息包括整体相似度Txsd、图像缩放比例Tk、图像相对旋转角度Talf和局部相似信息Jxsdi，以及A、B集合几何图形的匹配信息。Txsd大于图像相似判定指标Txsdz，判定待识别图像和目标图像相似；Txsd＝1.0判定待识别图像和目标图像主要特征完全相似；图像缩放比例Tk＝2.0，判定待识别图像的几何尺寸是对应目标图像的二分之一；相对旋转角度Talf＝90度，判定待识别图像与对应目标图像以匹配参考点为中心旋转了90度；根据几何图形的匹配信息，判定A集合与B集合中t1～t5几何图形构成的图像目标相似。A集合与B集合图像的差异在于B集合中t6几何图形。

局部相似信息Jxsdi包括待识别图像中各几何图形与目标图像中对应几何图形的相似信息，每个几何图形的相似信息Jxsdi包括几何形状的整体相似度xsdi以及形象相似信息、方位相似信息，设定局部图像相似判定指标xsdz，当xsdi大于所述局部图像相似判定指标xsdz，判定待识别图像和目标图像第i个几何图形界定区域相似，否则，判定待识别图像和目标图像第i个几何图形界定区域不相似，形象相似信息描述了几何图形边界特征点的差异和几何图形光学特征的差异，方位相似信息描述了相匹配的两个几何图形参考点的方位差异。

图10为本发明的图像识别装置的结构图，包括：

信息模块10，用于对目标图像和待识别图像分别求取图像特征信息，其分别包括：一组几何图形特征信息，和从一组几何图形特征信息提取统计信息构成的图像检索信息；

识别模块20，用于对目标图像的图像特征信息和待识别图像的图像特征信息进行相似性分析，并将分析结果输出。

综上，本发明的有益效果在于：

本发明中，通过将图像目标划分为多个几何图形，求取各几何图形的特征信息，并根据求取的一组几何图形特征信息确定图像目标的特征信息，获得图像目标特征信息的过程只对图像中少量数据进行计算与处理，与现有技术相比，有效的降低了计算量，并且由于图像目标所包含的多个几何图形的特征能够准确的反映图像目标的特征，因此利用图像目标所包含的一组几何图形特征信息来描述图像目标的特征，能够有效地提高描述图像目标特征的准确性。

其次，本发明实施例提供的方案中，通过对构成图像目标的多个几何图形，都以一组特征点信息按循环排序关系对几何图形边界的主要特征顺序描述。在旋转、平移、缩放的情况下，实现对几何图形主要特征的唯一性描述。在此基础上，在各个区域的特征信息中，以区域内独立几何图形的特征信息的极坐标矢量进一步准确描述独立几何图形的位置关系，解决了现有技术中图像目标的特征信息与图像目标主要特征之间不存在理论上的一一对应关系而造成描述不准确的缺陷。

进一步，本发明实施例提供的方案中，将图像目标所在区域，按多个几何图形的相互包含关系，划分为不同层次的多个区域，求取各区域的特征信息，由多个区域特征信息构成图像目标特征信息。由此构成对图像目标主要特征分层次分区域的描述，从而解决了现有技术中不能准确描述图像特征的缺陷。

更进一步，本发明实施例提供的方案中，由图像目标所包含的独立几何图形的特征信息和区域的特征信息中提取反映图像目标整体特征的统计信息构成图像目标检索信息，描述了图像目标的统计特征以及一类图像目标的共有特征。解决了现有技术中不能对一类图像目标共有特征进行描述的缺陷。图像目标检索信息具有提高识别速度和对图像信息库进行检索的功能。

综上所述，与现有技术相比，本发明在图像目标特征描述上具有描述更准确、更细致、更全面的显著效果。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模决来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，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保护范围之内。

Claims (13)

1.一种图像识别方法，其特征在于，包括以下步骤：

对目标图像和待识别图像分别求取图像特征信息，其分别包括：一组几何图形特征信息，和从所述一组几何图形特征信息提取统计信息构成的图像检索信息；

对所述目标图像的图像特征信息和所述待识别图像的图像特征信息进行相似性分析，并将分析结果输出，

其中，对所述目标图像的图像特征信息和所述待识别图像的图像特征信息进行相似性分析包括：

利用所述图像检索信息，对所述待识别图像与所述目标图像进行相似预判定；

对所述待识别图像和所述目标图像中的几何图形进行排序；

按排序关系，通过方位搜索、匹配度优选，获得所述待识别图像和所述目标图像的待选匹配集；

在所述待选匹配集中，求取所述待识别图像和所述目标图像的最大相似度，获得图像识别信息；

利用所述识别信息对所述待识别图像和所述目标图像的相似判断与相似分析。

2.根据权利要求1所述的图像识别方法，其特征在于，对目标图像和待识别图像分别求取图像特征信息包括：

将所述目标图像或所述待识别图像划分为多个几何图形；

对各个所述几何图形求取得到一组几何图形特征信息，其包括：

获取几何图形特征点信息；

提取图形检索信息；

由所述几何图形特征点信息和所述图形检索信息构成所述一组几何图形特征信息；

从所述一组几何图形特征信息提取反映图像整体特征的统计信息构成图像检索信息；

由所述一组几何图形特征信息和所述图像检索信息构成所述图像特征信息。

3.根据权利要求2所述的图像识别方法，其特征在于，还包括：

选择每个所述目标图像的所述图像特征信息组合构建成识别目标集，并利用所述图形检索信息，计算所述目标图像中各所述几何图形的排序优先度；按排序优先度的大小对所述识别目标集中的几何图形进行排序；

所述相似性分析包括从所述识别目标集选择或逐个地所述目标图像进行相似性分析。

4.根据权利要求3所述的图像识别方法，其特征在于，在所述待选匹配集中，求取所述待识别图像和所述目标图像的最大相似度，获得图像识别信息，利用所述识别信息对所述待识别图像和所述目标图像的相似判断与相似分析包括：

d4、先从待选匹配集中求取相匹配的各所述几何图形的图形相似度，然后根据各所述几何图形的相似度求取所述待识别图像和所述目标图像的图像相似度，其中，如果存在多个待选匹配集，则选择图像相似度为最大值的待选匹配集和相似分析数据作为当前所述待识别图像和所述目标图像相似分析的结果，结果信息包括：整体相似度、图像缩放比例、图像相对旋转角度；

d5、当整体相似度大于设定的图像相似判定指标，判定所述待识别图像和所述目标图像相似，否则，判定所述待识别图像和所述目标图像不相似。

5.根据权利要求1所述的图像识别方法，其特征在于，利用所述图像检索信息，对所述待识别图像与所述目标图像进行相似预判定包括：

e1、利用所述图像检索信息，计算所述待识别图像与所述目标图像的预判定相似度；

e2、当预判定相似度大于设定的预判定指标，预判定所述待识别图像和所述目标图像相似，否则，判定所述待识别图像和所述目标图像不相似。

6.根据权利要求1所述的图像识别方法，其特征在于，对所述待识别图像和所述目标图像中的几何图形进行排序包括：

f1、利用所述图形检索信息，计算所述待识别图像中各所述几何图形的排序优先度；

f2、分别按排序优先度的大小对所述待识别图像中的各所述几何图形排序。

7.根据权利要求1所述的图像识别方法，其特征在于，按排序关系，通过方位搜索、匹配度优选，获得所述待识别图像和所述目标图像的待选匹配集包括：

g1、设定所述待识别图像中的所述几何图形为A集合、所述目标图像中的所述几何图形为B集合，其中A集合有n个所述几何图形，记为Pa1到Pan，B集合有m个所述几何图形，记为Pb1到Pbm；

g2、选择所述图形检索信息中的参数作为判别两个所述几何图形的形象特征匹配条件，设定A、B集合中的所述几何图形对应位置关系作为方位特征匹配条件，并为A、B集合中的所述几何图形准备形象匹配条件；

g3、按所述几何图形排序，为A集合的几何图形Pau在B集合中搜索相似度xsdu＞局部相似判定指标xsdz的对应几何图形Pbv，如果搜索到，将Pau、Pbv作为待判定匹配集的基准几何图形，否则，u＝u+1，如果u＞n，匹配过程结束，否则，重做步骤g3；

g4、如果待判定匹配集的基准几何图形Pau、Pbv在已获得的待选匹配集中是匹配的所述几何图形，将B集合所述几何图形搜索序号j＝v+1，重做步骤g3，否则，设定基准几何图形比对参考点在A集合中Pau所述几何图形中的对应点作为判断图像匹配的参考点，将Pau、Pbv所述几何图形的缩放比例设定为所述待识别图像与所述目标图像的缩放比例Ki，当基准几何图形具有确定的方向特征时，将Pau、Pbv所述几何图形的旋转角度差设定为所述待识别图像与所述目标图像的旋转角度差alfi；

g5、以步骤g4设定的参考点为极点，求A集合中除Pau以外的所述几何图形参考点的极坐标矢量Kas，1＜＝s＜＝n，s不等于u，根据步骤g4设定的缩放比例Ki和旋转角度差alfi对Kas进行数学变换得到Kbs，1＜＝s＜＝n，s不等于u，变换方法为：kbs＝kas×Ki，qbs＝qas+alfi，其中kbs是Kbs的矢量长度，qbs是Kbs的矢量夹角，kas是Kas的矢量长度，qas是Kas的矢量夹角，设定一组矢量Kbs的极坐标的极点是基准几何图形比对参考点在B集合中Pbv所述几何图形中的对应点，设定Kbs中每个矢量的端点是B集合中对应所述几何图形方位特征匹配的条件；

g6、根据设定的形状特征匹配条件和方位特征匹配条件，计算Pau、Pbv为基准几何图形的各几何图形匹配度和图像匹配度，获得A、B集合中对应的所述几何图形的待判定匹配集；

g7、重复g3到g6的步骤直到匹配过程结束，获得多个待判定匹配集的匹配信息，将多个待判定匹配集的图像匹配度Tpd按大小排序，按排序选择图像匹配度Tpd大于图像匹配判定指标Tpz的一个和/或多个待判定匹配集作为待选匹配集。

8.根据权利要求7所述的图像识别方法，其特征在于，当基准几何图形不具有确定的方向特征时，按排序关系，通过方位搜索、匹配度优选，获得所述待识别图像和所述目标图像的待选匹配集还包括：

h1、在A集合中，选择与Pau排序临近的所述几何图形Paus，

h2、以步骤g4设定的参考点为极点，求A集合中Paus几何图形参考点的极坐标矢量Kaus，并求Kbus＝Kaus×Ki；

h3、设定矢量Kbus的极坐标的极点是基准几何图形比对参考点在B集合中Pbv所述几何图形中的对应点，在以Kbus矢量长度为半径的圆周边界附近，搜索与所述几何图形Paus匹配的B集合的所述几何图形Pbus，求取Paus和Pbus所述几何图形的最大相似度xsdus，如果大于局部相似判定指标xsdz，根据所述几何图形Pbus的参考点的方位信息，重新计算Kbus矢量，计算所述待识别图像与所述目标图像的旋转角度差alfi＝qbus-qaus，qbus是Kbus的矢量夹角，qaus是Kaus的矢量夹角，否则，重新选择所述几何图形Paus，重做步骤h2、h3。

9.根据权利要求7所述的图像识别方法，其特征在于，步骤g4还包括如下步骤：

i1、当所述基准几何图形的特征点总数等于1时，判定所述基准几何图形不具有确定的方向特征；

i2、当所述基准几何图形的特征点总数大于1时，计算方向矢量Fxs＝∑tzi，计算方向度Fxd＝fxs/Maxs，当Fxd＞Fxz判定几何图形具有确定的方向特征，否则，判定几何图形不具有确定的方向特征；

其中，tzi是所述基准几何图形中的特征点矢量，方向矢量等于一个几何图形中所有特征点矢量的矢量和；

fxs是方向矢量Fxs的矢量长度，Maxs是所述特征点对应的几何图形中最大特征点矢量的矢量长度，Fxz是预设的方向特征判定指标。

10.根据权利要求7所述的图像识别方法，其特征在于，步骤g6包括：

j1、根据选择的图形检索信息，计算的两个几何图形的形状特征匹配度xppd，其中，所述两个几何图形由所述待识别图像中的一个几何图形和所述目标图像中的一个几何图形组成；

j2、根据所述两个几何图形描述光学特征的特征信息计算光学特征匹配度gppd；

j3、根据所述两个几何图形的参考点的位置信息计算方位特征匹配度fppd；

j4、设定形状特征匹配度xppd、方位特征匹配度fppd和光学特征匹配度gppd的权重系数kpx、kpf、kpg，对基准几何图形，权重系数kpxu、kpfu、kpgu，满足kpxu+kpgu＝1，kpxu＞0，kpgu＞＝0，kpfu＝0的条件；对非基准几何图形，权重系数kpxu、kpfu、kpgu，满足kpxu+kpfu+kpgu＝1，kpxu＞0，kpgu＞＝0，kpfu＞0的条件；

j5、求所述几何图形的匹配度Jpd＝xppd×kpx+fppd×kpf+gppd×kpg，对基准几何图形Jpdu＝xppd×kpxu+gppd×kpgu；

j6、选择所述图形检索信息的参数，求取A集合各所述几何图形对图像相似分析的贡献系数Cai，i＝1...n，满足Cai＞0，i＝1...n，Cai的累加和等于1，i＝1...n；

j7、求取A集合各所述几何图形的匹配度Jpdi，所述待识别图像与所述目标图像的匹配度Tpd等于A集合各所述几何图形的匹配度Jpdi与贡献系数Cai乘积的累加和，i＝1...n。

11.根据权利要求4所述的图像识别方法，其特征在于，步骤d4包括：

k1、根据两个几何图形的特征点信息中描述形状特征的特征信息计算形状特征相似度xxsd，其中，所述两个几何图形是指在所述待选匹配集中，所述待识别图像和所述目标图像相匹配的两个几何图形；

k2、根据所述两个几何图形的特征点信息中描述光学特征的特征信息计算光学特征相似度gxsd；

k3、根据所述两个几何图形的参考点的位置信息计算方位特征相似度fxsd；

k4、设定形状特征相似度xxsd、方位特征相似度fxsd和光学特征相似度gxsd的权重系数kx、kf、kg，对基准几何图形，权重系数kxu、kfu、kgu，满足kxu+kgu＝1，kxu＞0，kgu＞＝0，kfu＝0的条件；对非基准几何图形，权重系数kx、kf、kg，满足kx+kf+kg＝1，kx＞0，kg＞＝0，kf＞0的条件；

k5、求两所述几何图形的相似度xsd＝xxsd×kx+fxsd×kf+gxsd×kg，对基准几何图形xsdu＝xxsd×kxu+gxsd×kgu；

k6、求取A集合各所述几何图形的相似度xsdi，所述待识别图像与所述目标图像的相似度Txsd等于A集合各所述几何图形的相似度xsdi与贡献系数Cai乘积的累加和。

12.根据权利要求4所述的图像识别方法，其特征在于，结果信息还包括：局部相似信息，局部相似信息包括：所述待识别图像中各所述几何图形与所述目标图像中对应所述几何图形的相似信息，每个所述几何图形的相似信息包括：几何图形整体相似度和几何图形中一组特征点的相似信息；对所述目标图像的所述特征信息和所述待识别图像的特征信息进行相似性分析包括：

当第i个所述几何图形的几何图形整体相似度大于设定的局部图像相似判定指标，则判定所述待识别图像和所述目标图像的第i个所述几何图形界定区域相似，否则，判定所述待识别图像和所述目标图像的第i个所述几何图形界定区域不相似；几何图形中一组特征点的相似信息进一步描述了各特征点处的局部相似程度。

13.一种图像识别装置，其特征在于，包括：

信息模块，用于对目标图像和待识别图像分别求取图像特征信息，其分别包括：一组几何图形特征信息，和从所述一组几何图形特征信息提取统计信息构成的图像检索信息；

识别模块，用于对所述目标图像的图像特征信息和所述待识别图像的图像特征信息进行相似性分析，并将分析结果输出，

其中，所述识别模块包括：

预判定子模块，利用所述图像检索信息，对所述待识别图像与所述目标图像进行相似预判定；

排序子模块，对所述待识别图像和所述目标图像中的几何图形进行排序；

第一获取子模块，用于按排序关系，通过方位搜索、匹配度优选，获得所述待识别图像和所述目标图像的待选匹配集；

第二获取子模块，用于在所述待选匹配集中，求取所述待识别图像和所述目标图像的最大相似度，获得图像识别信息；

判断分析子模块，用于利用所述识别信息对所述待识别图像和所述目标图像的相似判断与相似分析。

Images