一种面向人的SAR图象多目标视觉识别能力量化方法、系统及计算机可读介质

摘要

本发明公开了一种面向人的SAR图象多目标视觉识别能力量化方法、系统及计算机可读介质，方法融合了特异性、敏感性、置信等级三个维度信息，并基于目标物位置信息对特异性、敏感性指标进行计算，基于被试者的反应时间对置信等级进行计算，并基于特异性、敏感性指标以及置信等级计算被试者的SAR图象多目标视觉识别能力得分，对被试者的SAR图象多目标视觉识别能力进行测试，与传统基于准确率的测试方法相比，本发明提出的方法效度和精度更高，敏感性更强。有效解决了现有面向人的SAR图象目标识别能力计算方法效度不足、精确度不足、测试不准确的问题。

说明书

技术领域

本发明属于人体参数评估测量技术领域，涉及一种面向人的SAR图象多目标视觉识别能力量化方法、系统及计算机可读介质。

背景技术

合成孔径雷达(Synthetic Aperture Radar，SAR)为主动航空遥感方式，具有全天候、全天时的遥感数据获取能力，其独特优势使其在测绘、军事、灾害、地质、农业、林业、气象预测等领域具有很高的实际应用价值。准确的图象解译是发挥SAR图象价值的关键，人工判读解译是SAR图象目标识别的重要手段。

判读员的SAR图象目标识别技能需要经过专业训练，其中，该能力的定量评估是训练的关键环节。现有定量评估算法普遍采用目标识别正确率作为衡量指标，但该评估方法具有以下显著缺点：首先，该方法将来源不同的指标同等对待，如假阴性错误和假阳性错误，降维为一维标量，降维过程中信息衰减大；其次，SAR图象判读过程中，人员判读的时间是考核指标，即同等行为表现下，判断时间短的被试能力更强，但该方法未考虑判读时间。另外，公开号为CN107633515A、名称为一种影像医师视觉识别能力量化方法及系统的发明专利，公开了一种影像医师视觉识别能力量化方法及系统，可借鉴用于SAR图象视觉识别能力测试，但该评估方法具有以下显著缺点：首先，该方法局限于单目标识别场景，场景适用性与实际工作场景需求差别较大；其次，该方法忽略了目标的位置信息显著降低了测试的敏感性；最后，该方法使用了人为自主量化信息作为参数输入提高了算法的主观性。综上所述，上述测评方法效度不足、准确度低，使得人员评估测试不准确。

发明内容

本发明实施例的目的在于提供一种面向人的SAR图象多目标视觉识别能力量化方法、系统及计算机可读介质，以解决现有面向人的SAR图象目标识别能力计算方法效度不足、精确度不足、测试不准确的问题。

为解决上述技术问题，本发明实施例提供一种面向人的SAR图象多目标视觉识别能力量化方法，包括以下步骤：

配置测试所用的标准测试图象集的可调参数，可调参数包括标准测试图象总数、标准测试图象难度构成比例、测试频次、测试时间；标准测试图象为包含多个目标物的SAR图象，每幅标准测试图象均是由九块SAR图象切片构成的九宫格图象集，每块SAR图象切片中最多包含一个目标物；标准测试图象难度构成比例为标准测试图象中有目标物的SAR图象切片和无目标物的SAR图象切片之间的数量占比；

获取配置好的标准测试图象集，在人机交互界面上依次显示标准测试图象集内的标准测试图象，默认用蓝色矩形框框住当前显示的标准测试图象左上角的第一块SAR图象切片并提示被试者判断当前采用蓝色矩形框框住的SAR图象切片中是否存在目标物，被试者通过鼠标选择“是”或“否”选项，并在被试者选择“是”选项时提示被试者通过鼠标选定标记目标物，选定之后确定，自动记录被试者对当前采用蓝色矩形框框住的SAR图象切片中是否存在目标物的判断选择所用时间，完成第一块SAR图象切片的判断后按顺序用蓝色矩形框框住第二块SAR图象切片供被试者继续判断选择，同时被试者能够使用鼠标悬停在任意SAR图象切片上方，点击鼠标左键使蓝色矩形框移动框住该鼠标悬停的SAR图象切片以对其进行判断选择；当被试者判断完一幅标准测试图象中所有的SAR图象切片时自动翻页显示下一幅标准测试图象；

记录并存储被试者对每幅标准测试图象中每块SAR图象切片是否存在目标物的判断选项、反应时间以及标记的目标物位置，反应时间即为被试者对每幅标准测试图象中每块SAR图象切片是否存在目标物的判断选择所用时间；并依据记录和存储的数据得出被试者判断的每幅标准测试图象中的有目标物SAR图象切片总数、无目标物SAR图象切片总数、每块SAR图象切片的置信等级；

提取与每幅标准测试图象中每块SAR图象切片一一对应的标准测试答案图象，将记录并存储的被试者对每幅标准测试图象中每块SAR图象切片是否存在目标物的判断选项、标记的每块有目标物SAR图象切片的目标物位置，与对应的标准测试答案图象中的答案进行比对，并根据被试者判断每幅标准测试图象中每块SAR图象切片的置信等级，得出不同置信等级值e下被试者对有目标物SAR图象切片和无目标物SAR图象切片的阳性判断结果以及阴性判断结果，同一置信等级值e下的所有有目标物SAR图象切片和无目标物SAR图象切片对应的置信等级相同，进而得出不同置信等级值e下被试者对有目标物SAR图象切片以及无目标物SAR图象切片的阴性判断结果总数和阳性判断结果总数；

根据不同置信等级值e下被试者对有目标物SAR图象切片以及无目标物SAR图象切片的阴性判断结果总数和阳性判断结果总数，计算不同置信等级值e下的无目标物判断的灵敏度TPR

根据不同置信等级值e下的无目标物判断的灵敏度TPR

其中，N

所述

所述ω

其中，Z

本发明实施例还提供了一种面向人的SAR图象多目标视觉识别能力量化系统，包括：存储器，用于存储可由处理器执行的指令；

处理器，用于执行所述指令以实现如上所述的方法。

本发明实施例还提供了一种计算机可读介质，所述计算机可读介质存储有计算机程序代码，所述计算机程序代码在由处理器执行时实现如上所述的方法。

本发明实施例的有益效果是，提出了一种面向人的SAR图象多目标视觉识别能力量化方法、系统及计算机可读介质，将常用的多维度判决指标如特异性、敏感性以及置信等级融合为一个表征指标，进行多目标物识别能力的测试和量化，并同时考虑了目标物的位置信息，实现了物体识别能力的综合量化，有效提高了SAR图象识别能力测试的效度、精度、准确度和敏感度，且更符合实际需求，有效解决了现有面向人的SAR图象目标识别能力计算方法效度不足、精确度不足、测试不准确的问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例的一种面向人的SAR图象多目标视觉识别能力量化系统的功能及结构框图。

图2是本发明实施例的人机交互界面示意图。

图3是本发明实施例的针对SAR图象判读专家和非专家对照组的敏感度和特异度对比示意图。

图4是本发明实施例的算法与采用目标识别正确率作为衡量指标的传统算法在受试者反应时及置信等级相同情况下的结果对比图，图4中A为传统算法的正确率输出结果，图4中B为本发明实施例方法的量化得分输出结果。

图5是本发明实施例的算法与采用目标识别正确率作为衡量指标的传统算法在被试者判别结果相同即特异度、敏感度相同的情况下的结果对比图，图5中A为传统算法的正确率输出结果，图5中B为本发明实施例方法的量化得分输出结果。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供一种面向人的SAR图象多目标视觉识别能力量化方法，包括以下步骤：

配置测试所用的标准测试图象集的可调参数，标准测试图象为包含多个目标物的SAR图象，每幅标准测试图象均是由九块SAR图象切片构成的九宫格图象集，每块SAR图象切片中最多包含一个目标物，可调参数包括标准测试图象总数、标准测试图象难度构成比例、测试频次、测试时间；标准测试图象难度构成比例为标准测试图象中有目标物的SAR图象切片和无目标物的SAR图象切片之间的数量占比；

获取配置好的标准测试图象集，在人机交互界面上依次显示标准测试图象集内的标准测试图象，系统默认用蓝色矩形框框住标准测试图象左上角的第一块SAR图象切片并提示被试者判断当前采用矩形框框住的SAR图象切片中是否存在目标物，被试者通过鼠标选择“是”或“否”选项，选定之后按“确定”按钮，如图2所示，并在被试者选择“是”选项时，系统会继续提示被试者通过鼠标选定标记目标物的位置，被试者选定标记的目标物位置会显示黄色的星号，系统自动记录被试者对当前采用矩形框框住的SAR图象切片中是否存在目标物的判断选择所用时间，完成第一块SAR图象切片之后系统按顺序用蓝色矩形框框住第二块SAR图象切片供被试者选择，以此类推；被试者对每幅标准测试图象中每块SAR图象切片是否存在目标物的判断选择所用时间，即为采用蓝色矩形框框住第二块SAR图象切片到被试者按下“确定”按钮的时间段；被试者也可以使用鼠标悬停在任意SAR图象切片上方，点击鼠标左键后系统即会使用蓝色矩形框框住该SAR图象切片，被试者即可进行该鼠标悬停的SAR图象的判断选择。当被试者判别完一幅标准测试图象中所有的SAR图象切片时系统自动翻页并自动翻页显示下一幅标准测试图象。

在获取到被试者判断当前采用矩形框框住的SAR图象切片中存在目标物的以及标记的目标物位置时，同时获得被试者标记的当前采用矩形框框住的SAR图象切片的目标物位置像素坐标，具体是在被试者判断当前采用矩形框框住的SAR图象切片中存在目标物并点击其目标物位置时，同步获得当前采用矩形框框住的SAR图象切片中被点击位置的像素坐标，即为被试者判断的目标物位置像素坐标；当被试者判断当前采用矩形框框住的SAR图象切片中不存在目标物时，当前采用矩形框框住的SAR图象切片的目标物位置像素坐标不存在。

记录并存储被试者对每幅标准测试图象中每块SAR图象切片是否存在目标物的判断选项以及反应时间，反应时间即为被试者对每幅标准测试图象中每块SAR图象切片是否存在目标物的选择判断所用时间；并依据记录和存储的数据得出被试者判断的每幅标准测试图象中的有目标物SAR图象切片总数、无目标物SAR图象切片总数、每块SAR图象切片的置信等级；

被试者判断每幅标准测试图象中每块有目标物SAR图象切片的置信等级通过下述方法确定：

首先，通过下式对被试者判断标记的第j幅标准测试图象中第k块有目标物SAR图象切片即第k个目标物的反应时间进行归一化：

其中，

然后，求得归一化后被试者对所有标准测试图象中的有目标物SAR图象切片进行判断标记的反应时间的最大值N

被试者判断每幅标准测试图象中每张无目标物SAR图象切片的置信等级通过下述方法确定：

首先，通过下式对被试者判断第j幅标准测试图象中第k张无目标物SAR图象切片的反应时间进行归一化：

其中，N

然后，求得归一化后被试者对所有标准测试图象中的无目标物SAR图象切片进行判断的反应时间的最大值

提取与每幅标准测试图象中每块SAR图象切片一一对应的标准测试答案图象，将记录并存储的被试者对每幅标准测试图象中每块SAR图象切片是否存在目标物的判断选项、标记的每块有目标物SAR图象切片的目标物位置，与对应的标准测试答案图象中的答案进行比对，并根据被试者判断每幅标准测试图象中每块SAR图象切片的置信等级，得出不同置信等级值e下被试者对有目标物SAR图象切片和无目标物SAR图象切片的阳性判断结果以及阴性判断结果，同一置信等级值e下的所有有目标物SAR图象切片和无目标物SAR图象切片对应的置信等级相同，进而得出不同置信等级值e下被试者对有目标物SAR图象切片以及无目标物SAR图象切片的阴性判断结果总数和阳性判断结果总数；

对记录并存储的被试者对每幅标准测试图象中每块SAR图象切片是否存在目标物的判断选项与对应的标准测试答案图象中的答案进行比对时，如果标准测试答案图象中标注的选项与被试者判断的选项一致，则为阳性结果，否则为阴性结果；

将记录并存储的被试者对每幅标准测试图象中每块有目标物SAR图象切片标记的目标物位置，与对应的标准测试答案图象中的答案进行比对，是结合图象处理算法，判断被试者对每幅标准测试图象中每张有目标SAR图象切片中标记的目标物位置和对应的标准测试答案图象的一致性，具体实现过程如下：

通过图象处理算法获取与当前标准测试图象中每块有目标物SAR图象切片对应的标准测试答案图象中标注的目标物的轮廓，然后获取轮廓内每个像素点的像素坐标，得到每幅标准测试图象中每张目标物SAR图象切片的实际目标物像素坐标集合；

通过图象处理算法自动在每幅标准测试图象的实际目标物像素坐标集合中搜索被试者判断的目标物位置像素坐标，如在当前标准测试图象的实际目标物像素坐标集合中搜索到被试者标记的目标物位置像素坐标，则该标记的目标物位置正确，否则标记的目标物位置错误；被试者标记的目标物位置像素坐标，以及每幅标准测试图象中每张目标物SAR图象切片的实际目标物像素坐标，均是采用同一像素坐标系获得。

根据被试者判断每幅标准测试图象中每块SAR图象切片的置信等级，得出不同置信等级值e下被试者对有目标物SAR图象切片和无目标物SAR图象切片的阳性判断结果以及阴性判断结果，即是先根据有目标物SAR图象切片和无目标物SAR图象切片的阳性判断结果以及阴性判断结果，将置信等级相同的有目标物SAR图象切片的阳性判断结果作为同一置信等级值e下的有目标物SAR图象切片的阳性判断结果，将置信等级相同的有目标物SAR图象切片的阴性判断结果作为同一置信等级值e下的有目标物SAR图象切片的阴性判断结果，将置信等级相同的无目标物SAR图象切片的阳性判断结果作为同一置信等级值e下的无目标物SAR图象切片的阳性判断结果，将置信等级相同的无目标物SAR图象切片的阴性判断结果作为同一置信等级值e下的无目标物SAR图象切片的阴性判断结果。有目标物SAR图象切片的阳性结果表示对目标物SAR图象切片的判断正确，即被试者判断有目标物SAR图象切片中有目标物且标记的目标物位置准确；有目标物SAR图象切片的阴性结果表示对目标物SAR图象切片的判断不正确，即被试者判断有目标物SAR图象切片中无目标物，或被试者判断有目标物SAR图象切片中有目标物但标记的目标物位置不准确；无目标物SAR图象切片的阳性结果表示对无目标物SAR图象切片的判断正确，即被试者判断无目标物SAR图象切片中无目标，无目标物SAR图象切片的阴性结果表示对无目标物SAR图象切片的判断不正确，即被试者判断无目标物SAR图象切片中有目标物。

根据不同置信等级值e下被试者对有目标物SAR图象切片以及无目标物SAR图象切片的阴性判断结果总数和阳性判断结果总数，计算不同置信等级值e下的无目标物判断的灵敏度TPR

本实施例设置判断有目标物和无目标物的置信等级值区间为1-5，置信等级值越大，表示被试者判断有、无目标物的可信程度越高，将被试者对所有标准测试图象的判断结果以Excel表格形式记录，如表1所示：

表1试者对标准测试图象的判断结果

将表1的判断结果与金标准进行对比，得出不同置信等级值e下被试者对所有标准测试图象的判断结果对应的阳性结果和阴性结果，进而得出不同置信等级值e下被试者判断的有目标物图象以及无目标物图象结果对应的阴性结果总数和阳性结果总数，结果如表2～6所示，依据表2～6的结果分别得出置信等级值e为1～5时，无目标物判断的灵敏度TPR和有目标物SAR判断的特异度TNR。

表2置信等级值＝5时的判断结果

表3置信等级值＝4时的判断结果

表4置信等级值＝3时的判断结果

表5置信等级值＝2时的判断结果

表6置信等级值＝1时的判断结果

表7各判断阈值下的无目标物图象的灵敏度和有目标物图象的特异度

然后依据表7的计算结果得出每个判断阈值下阶跃函数

即当TPR

最后采用置信等级为1～5的目标物的权重ω

其中，N

所述

所述ω

其中，Z

所述不同置信等级值e下的无目标物判断的灵敏度TPR

所述不同置信等级值e下的有目标物判断的特异度TNR

其中，TP

在操作方法上，被试者先填入姓名，然后判断当前显示的标准测试图象的每块SAR图象切片中是否存在待选目标物，如果存在，则需在图中标注出目标物位置，之后点击确定，自动进入下一块SAR图象切片的测试，直到被试者完成当前显示的标准测试图象的每块SAR图象切片的选择判断，然后进入下一幅标准测试图象的测试。

在计算得到被试者的SAR图象多目标视觉识别能力得分θ后，根据SAR图象视觉识别能力合格人员以及SAR图象视觉识别能力不合格人员的测试数据建立筛选模型，并通过被试者的测试总时间t和被试者的SAR图象多目标视觉识别能力得分θ利用筛选模型判断被试者是否为SAR图象识别专家。训练系统的目的是把普通健康学生快速地训练成SAR图象识别专家，筛选模块可以在训练完成后筛选出从普通健康学生变成专家的被试者。因此需要利用SAR图象视觉识别能力合格人员(视为SAR图像识别专家)以及SAR图象视觉识别能力不合格人员的测试数据来判断被试者是否成为了SAR图象识别专家，按照以下步骤实现：

步骤S1、建立横轴为测试总时长t，纵轴为SAR图象多目标视觉识别能力得分θ的二维直角坐标系；

步骤S2、选取多个SAR图象视觉识别能力合格人员以及SAR图象视觉识别能力不合格人员，并采用不同的标识在二维直角坐标系中表示出SAR图象视觉识别能力合格人员以及SAR图象视觉识别能力不合格人员；

步骤S3、依据选取的SAR图象视觉识别能力合格人员以及SAR图象视觉识别能力不合格人员的测试总时长t和SAR图象识别能力评价指标θ，确定能够区分两者的分离直线即得到筛选模型，具体过程如下：

步骤1)，假设分离直线的表达式为ωx+b＝y，其中ω是直线的斜率，x是横坐标，b是直线在y轴上面的截距，y是纵坐标。

步骤2)、定义函数间隔变量为L，求解变量L的最大值：

一般来说，一个点距离分离超平面的远近可以表示分类预测额确信程度，在分离直线ωx+b＝y确定的情况下，|ωx+b|能够相对地表示点距离直线的远近，而ωx+b的符号与y的符号是否一致能够表示分类是否正确。所以可以用L＝y(ωx+b)来表示分类的正确性及确信度，这就是函数间隔的概念。

其中，ω是分离直线的斜率，b是分离直线的截距，‖ω‖是两者模值；(x

步骤3)，对步骤2)的两个公式进行归一化处理得到：

从函数间隔和几个间隔的定义可知：函数间隔L等于几何间隔L′除以‖ω‖，因此有：

s.t.y

步骤4)，函数间隔可以表示分类预测的正确性以及确信度，但是选择分离直线时，只有函数间隔还不够。因为只要成比例地改变ω和b，例如将它们改为2ω和2b，分离直线并没有改变，但是函数间隔却成为原来的2倍。这一事实启示我们，可以对分离直线进行相关约束，如规范化，‖ω‖＝1，使得间隔是确定的，这时函数间隔就成为了几何间隔，得到函数间隔为1的公式：

s.t.y

步骤5)，几何间隔L′的取值并不影响最优化问题的解。事实上，函数间隔的改变对上述最优化问题的不等式约束没有影响，对目标物函数的优化也没有影响，也就是说，它产生一个等价的最优化问题。注意到最大化‖ω‖的倒数和最小化‖ω‖是相同的，为了求导方便，求出步骤4)中公式的对偶等式，并化为标准形式：

s.t.y

步骤6)、这是一个含有不等式约束的凸二次规划问题，首先将有约束的原始目标函数转换为无约束的拉格朗日形式，在满足KKT的条件下可以求得斜率的值为ω

f(x)＝sign(ω

步骤S4、采用分离直线对被试者进行分类，如果被试者位于分离直线下方，则认为其为SAR图象识别专家，否则认为其为普通健康学生。

通过的SAR图象视觉识别能力合格人员以及SAR图象视觉识别能力不合格人员的测试数据可以确定分离直线的斜率ω和截距b，这就是模型的求解，分离直线的确定就相当于分离函数的确定，表达式为：

f(x)＝sign(ωx+b)；

当被试者训练完成之后，将被试者的数据带入分离函数f(x)中，函数的值只有+1或者-1，+1代表被试者是SAR图象识别专家，-1代表被试者不是SAR图象识别专家。

本发明实施例还提供了一种面向人的SAR图象多目标视觉识别能力量化系统，包括：存储器，用于存储可由处理器执行的指令；以及处理器，用于执行所述指令以实现如上所述的方法。

一种面向人的SAR图象多目标视觉识别能力量化系统可包括内部通信总线、处理器(Processor)、只读存储器(ROM)、随机存取存储器(RAM)、通信端口、以及硬盘。内部通信总线可以实现一种面向人的SAR图象多目标视觉识别能力量化系统组件间的数据通信。处理器可以进行判断和发出提示。在一些实施例中，处理器可以由一个或多个处理器组成。通信端口可以实现一种面向人的SAR图象多目标视觉识别能力量化系统外部的数据通信。在一些实施例中，一种面向人的SAR图象多目标视觉识别能力量化系统还可以通过通信端口从网络发送和接受信息及数据。一种面向人的SAR图象多目标视觉识别能力量化系统还可以包括不同形式的程序储存单元以及数据储存单元，例如硬盘，只读存储器(ROM)和随机存取存储器(RAM)，能够存储计算机处理和/或通信使用的各种数据文件，以及处理器所执行的可能的程序指令。处理器执行这些指令以实现方法的主要部分。处理器处理的结果通过通信端口传给被试者设备，在被试者界面上显示。

上述的一种面向人的SAR图象多目标视觉识别能力量化方法可以实施为计算机程序，保存在硬盘中，并可记载到处理器中执行，以实施本发明实施例的方法。

本发明实施例还提供了一种存储有计算机程序代码的计算机可读介质，所述计算机程序代码在由处理器执行时实现如上所述的一种面向人的SAR图象多目标视觉识别能力量化方法。

一种面向人的SAR图象多目标视觉识别能力量化方法实施为计算机程序时，也可以存储在计算机可读存储介质中作为制品。例如，计算机可读存储介质可以包括但不限于磁存储设备(例如，硬盘、软盘、磁条)、光盘(例如，压缩盘(CD)、数字多功能盘(DVD))、智能卡和闪存设备(例如，电可擦除可编程只读存储器(EPROM)、卡、棒、键驱动)。此外，本发明实施例描述的各种存储介质能代表用于存储信息的一个或多个设备和/或其它机器可读介质。术语“机器可读介质”可以包括但不限于能存储、包含和/或承载代码和/或指令和/或数据的无线信道和各种其它介质(和/或存储介质)。

应该理解，上述的实施例仅是示意。本发明描述的实施例可在硬件、软件、固件、中间件、微码或者其任意组合中实现。对于硬件实现，处理单元可以在一个或者多个特定用途集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器和/或设计为执行本发明所述功能的其它电子单元或者其结合内实现。

一种面向人的SAR图象多目标视觉识别能力测试系统，如图1所示，其结构包括标准测试图象数据库、人机交互模块、被试者行为采集模块、行为数据输出模块、结果判断模块、数据计算与显示模块和筛选模块；

所述标准测试图象数据库，用于选取并存放对被试者进行测试的N幅标准测试图象，标准测试图象为包含多个目标物的SAR图象，且每幅标准测试图象均是由多块SAR图象切片组成，本实施例中每幅标准测试图象均是由九块SAR图象切片构成的九宫格图象集，每块SAR图象切片中最多包含一个目标物；

所述人机交互模块，用于与被试者进行人机交互并采集被试者行为信息，通过终端显示界面依次显示每幅标准测试图象，默认用矩形框框住当前显示的标准测试图象左上角的第一块SAR图象切片并提示被试者判断当前采用矩形框框住的SAR图象切片中是否存在目标物，被试者通过鼠标选择“是”或“否”选项，并在被试者选择“是”选项时提示被试者通过鼠标选定标记目标物，选定之后按“确定”按钮，自动记录被试者对当前采用矩形框框住的SAR图象切片中是否存在目标物的判断选择所用时间，完成第一块SAR图象切片的判断后以此类推，按顺序用矩形框框住第二块SAR图象切片供被试者继续判断选择，同时被试者能够使用鼠标悬停在任意SAR图象切片上方，点击鼠标左键使矩形框移动框住该鼠标悬停的SAR图象切片以对其进行判断选择；每获取到被试者对一块SAR图象切片的判断结果即被试者按下“确定”选项后，系统会提示被试者进行下一块SAR图象切片的判读，直到被试者完成此幅标准测试图象的全部SAR图象切片判读，当被试者判断完一幅标准测试图象中所有的SAR图象切片时自动翻页显示下一幅标准测试图象。

所述被试者行为采集模块，用于获取被试者对每幅标准测试图象中每块SAR图象切片的被试行为数据，如被试者对每幅标准测试图象中每块SAR图象切片是否存在目标物的判断选项、标记的目标物位置以及反应时间，反应时间即为被试者对每幅标准测试图象中每块SAR图象切片是否存在目标物的选择判断所用时间；

所述行为数据输出模块，用于记录、存储被试者对每幅标准测试图象中每块SAR图象切片的被试行为数据，并依据被试者对每幅标准测试图象中每块SAR图象切片的被试行为数据得出被试者判断的每幅标准测试图象中的有目标物SAR图象切片总数、无目标物SAR图象切片总数、每块SAR图象切片的置信等级；

所述结果判断模块，用于提取与每幅标准测试图象中每块SAR图象切片一一对应的标准测试答案图象，将记录并存储的被试者对每幅标准测试图象中每块SAR图象切片是否存在目标物的判断选项、标记的每块有目标物SAR图象切片的目标物位置，与对应的标准测试答案图象中的答案进行比对，并根据被试者判断每幅标准测试图象中每块SAR图象切片的置信等级，得出不同置信等级值e下被试者对有目标物SAR图象切片和无目标物SAR图象切片的阳性判断结果以及阴性判断结果，同一置信等级值e下的所有有目标物SAR图象切片和无目标物SAR图象切片对应的置信等级相同，进而得出不同置信等级值e下被试者对有目标物SAR图象切片以及无目标物SAR图象切片的阴性判断结果总数和阳性判断结果总数；

所述数据计算与显示模块，用于不同置信等级值e下被试者对有目标物SAR图象切片以及无目标物SAR图象切片的阴性判断结果总数和阳性判断结果总数，并根据不同置信等级值e下被试者对有目标物SAR图象切片以及无目标物SAR图象切片的阴性判断结果总数和阳性判断结果总数，计算不同置信等级值e下的无目标物判断的灵敏度TPR

所述筛选模块，用于根据被试者SAR图象视觉识别能力得分，对被试者进行分类，判断被试者是否为SAR图象识别专家。

本发明实施例的方法将多维度参数，如特异性、敏感性以及被试者反应时等参数融合为一个表征参数，实现对人员SAR目标物识别能力的测试和量化。具体而言，一方面，本发明实施例将假阴性错误、假阳性错误区分计算，并同时考虑了目标物的位置信息，算法敏感度更高，而既有的以正确率为衡量参数的方法将假阴性错误和假阳性错误这来源不同的指标同等对待，在降维过程中信息衰减大。测试数据表明：本发明实施例的方法能有效区既有算法不能区分的被试，具体如图4所示，本发明实施例可以有效区分假阴性错误和假阳性错以及真阳性判断和真阴性判断，敏感度更高；另一方面，本发明实施例将被试者对图象判读的判读效率综合融入算法，并同时考虑了目标物的位置信息，有效提高了定量算法的效度，而既有算法未考虑被试的判读效率(即时间信息)，测量效度不高。测试数据表明：加入时间信息和位置信息，本发明实施例的方法能有效区分表现判断结果一直、但是判读效率有差别的被试者，具体如图5所示，可以有效区分在受试者因判读时间不同而导致的置信等级的差别从而影响最终的量化得分，有效提高了算法的多尺度量化能力。综上所述，本发明实施例的方法相较于传统算法更加准确且更符合实际应用场景需求、并且效度更高、敏感度更好、准确度更优，可以更准确地量化人员的SAR图象多目标视觉识别能力。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。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，均包含在本发明的保护范围内。