一种识别性能优良的移动终端的制作方法

技术特征：

1.一种识别性能优良的移动终端，其特征是，包括目标采集装置和目标识别装置，所述目标采集装置采用双向摄像模组采集目标图像，所述目标识别装置对所述目标图像进行识别。

2.根据权利要求1所述的一种识别性能优良的移动终端，其特征是，所述双向摄像模组包括第一镜头、第二镜头、反射装置、摆动式反射装置和成像装置；

所述第一镜头，采集位于第一镜头前的物体光线，并通过反射装置，投影到成像装置上；

所述第二镜头，采集位于第二镜头前的物体光线，并通过摆动式反射装置，投影到成像装置上。

3.根据权利要求2所述的一种识别性能优良的移动终端，其特征是，所述摆动式反光镜，一端固定，另外一端可以摆动，通过调整摆动角度，选择所述第一镜头或第二镜头的光线投影到成像装置上。

4.根据权利要求3所述的一种识别性能优良的移动终端，其特征是，所述目标识别装置包括第一特征提取模块、第二直方图获取模块和第三目标识别模块，所述第一特征提取模块用于提取目标图像的颜色特征，所述第二直方图获取模块根据所述颜色特征获取颜色直方图，所述第三目标识别模块用于对所述颜色直方图进行赋权，并根据所述赋权的颜色直方图对所述目标图像进行识别。

5.根据权利要求4所述的一种识别性能优良的移动终端，其特征是，所述第一特征提取模块包括一次处理单元和二次处理单元，所述一次处理单元用于将图像从RGB颜色空间转换到CIELab颜色空间，所述转化公式为：L＝116y(0.23R+0.71G+0.06B)-15，在式中，R、G、B分别为RGB颜色空间中的红色、绿色、蓝色分量值，L为CIELab颜色空间中的亮度，a为CIELab颜色空间中的绿色到红色的相对色度，b为CIELab颜色空间中的蓝色到黄色的相对色度，其中，当KR<0.009，函数y(KR)＝0.13+7.79KR，当KR≥0.009，函数

所述二次处理单元用于将图像划分为大小相等的矩形子块，用于划分子块的图像I表示为：在式中，U_i表示图像的任意子块，TN表示图像分割因子，TN∈[2,5]且TN为整数，i按照从左到右，从上向下的顺序依次取值为1到TN²。

6.根据权利要求5所述的一种识别性能优良的移动终端，其特征是，所述第二直方图获取模块，包括以下步骤：

步骤1：对CIELab颜色空间进行划分，划分方法如下：当L分量大于阈值T₁时或者小于阈值T₂时，不再考虑a分量和b分量，得到2个颜色区间，当L分量介于阈值T₁和T₂之间时，分别将a分量和b分量划分为四个区间，得到16个颜色区间，从而将CIELab颜色空间划分成了18个颜色区间；其中，T₁∈[90,100]，T₂∈[0,10]；

步骤2：定义隶属度函数σ_j,k＝1，求取图像的颜色直方图，图像子块的颜色直方图可表示为：SM(U_i)＝{z₁,z₂,…,z₁₈}；在式中，SM(U_i)表示图像子块的颜色直方图，z_j(j＝1,2,…,18)表示任一颜色区间上的像素分布情况，σ_j,k代表第k个像素点属于第j个颜色区间的隶属度，N_i表示子块包含的像素个数；图像的颜色直方图可表示为：SM(I)＝{SM(U_i)×ρ_i，i＝1,2,…,TN²}，在式中，ρ_i表示子块位置权值，SM(I)表示图像子块的颜色直方图。

7.根据权利要求6所述的一种识别性能优良的移动终端，其特征是，所述第三目标识别模块，用于对图像进行识别，包括色差计算单元、权值计算单元和图像对比单元，

所述色差计算单元用于计算像素点之间的颜色差异，计算中心像素点p_A和3×3邻域内任意相邻像素点p_B的色差C：

$C(p_A,p_B)=ln(2-e^{-\frac{\sqrt{{(L_A-L_B)}^2+{(a_A-a_B)}^2+{(b_A-b_B)}^2}}{\mathrm{\&mu;}}})$

在式中，C(p_A,p_B)表示像素点p_A和p_B之间色差，μ为归一化因子；

所述权值计算单元用于计算每个子块的颜色权值；

所述图像对比单元用于根据图像相似度对比来实现图像识别。

8.根据权利要求7所述的一种识别性能优良的移动终端，其特征是，所述第三目标识别模块，包括色差计算单元、权值计算单元和图像对比单元，

所述色差计算单元用于计算像素点之间的颜色差异，计算中心像素点p_A和3×3邻域内任意相邻像素点p_B的色差HQ：HQ(p_A,p_B)＝ln(2-e^GW)，在式中，HQ(p_A,p_B)表示像素点p_A和p_B之间色差，μ为归一化因子；

所述权值计算单元用于计算每个子块的颜色权值；

所述图像对比单元用于根据图像相似度对比来实现图像识别。

所述计算每个子块的颜色权值，具体包括以下步骤：

步骤1，计算每个像素点的颜色复杂度，计算中心像素相对于3×3邻域内其他8个相邻像素的颜色变化，得到中心像素点p_A的颜色复杂度F_A：在式中，F_A表示像素点p_A的颜色复杂度；

步骤2，计算每个子块的颜色权值，在任意子块，通过计算每个像素颜色权值，得到子块的颜色权值CA_i：在式中，U_i表示图像的任意子块，CA_i表示子块的颜色权值，N_i表示子块包含的像素个数，γ表示子块中所有像素点的颜色复杂度标准差，F_A和F_k均为子块中的像素点。

所述根据图像相似度对比来实现图像识别，具体为，根据子块的颜色权值和直方图定义两幅图像I₁和I₂的相似度S：在式中，S(I₁,I₂)表示两幅图像I₁和I₂的相似度，和分别表示图像I₁和I₂第i个子块的第j个颜色区间的像素分布情况，计算待识别图像和样本图像相似度，选取相似度高的样本图像作为识别结果。