[發(fā)明專利]基于融合顯著信息的潛在主題極光圖像分類方法

無效

• 申請?zhí)枺?/td>: 201310648330.7
• 申請日: 2013-12-04
• 公開（公告）號: CN103632166A
• 公開（公告）日: 2014-03-12
• 發(fā)明（設(shè)計）人: 韓冰;高新波;廖謙;楊辰;仇文亮;王秀美;王穎;王斌
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于融合顯著信息的潛在主題極光圖像分類方法，包括如下步驟：

(1)輸入極光圖像，用頂帽變換對輸入的極光圖像進(jìn)行對比度增強的預(yù)處理，得到預(yù)處理后的極光圖像；

(2)利用Bag?of?Words模型，提取預(yù)處理后的極光圖像的視覺單詞并生成極光圖像視覺文檔；

(3)使用譜殘差SR算法，獲得輸入的原始極光圖像的極光顯著圖；

(4)利用Bag?of?Words模型，提取極光顯著圖的視覺單詞并生成極光顯著圖視覺文檔；

(5)將步驟(2)和步驟(4)的視覺文檔連接生成極光圖像語義加強型文檔；

(6)將極光圖像語義加強型文檔輸入給Latent?Dirichlet?Allocation模型，通過該模型將極光圖像語義加強型文檔中的視覺單詞分配給相應(yīng)主題，得到極光圖像的顯著信息潛在語義分布特征SM-LDA；

(7)將極光圖像的顯著信息潛在語義分布特征SM-LDA輸入給支持向量機SVM進(jìn)行分類，得到最終的分類結(jié)果。

2.根據(jù)權(quán)利要求書1所述的基于融合顯著信息的潛在主題極光圖像分類方法，其中步驟(1)所述的對輸入極光圖像進(jìn)行對比度增強的預(yù)處理，采用如下頂帽變換公式進(jìn)行：

I^N_th=I^N–I^NоE，

其中I^N為輸入的原始極光圖像，E為r=80的disk型結(jié)構(gòu)元素，o為開運算符號，I^N_th為頂帽變換后的圖像，N=1,2,…,J，J為輸入的原始極光圖像總個數(shù)。

3.根據(jù)權(quán)利要求書1所述的基于融合顯著信息的潛在主題極光圖像分類方法，其中步驟(2)所述的提取預(yù)處理后的極光圖像的視覺單詞并生成極光圖像視覺文檔，按如下步驟進(jìn)行：

(2a)對頂帽變換后的極光圖像I^N_th進(jìn)行16×16的網(wǎng)格劃分，將劃分后的每個網(wǎng)格子圖記為G^N_n，其中n=1,2,…,256；

(2b)計算每個網(wǎng)格子圖G^N_n的Sift特征S^N_n，其中N=1,2,…,J，J為輸入的原始極光圖像總個數(shù)；

(2c)使用K均值聚類方法對Sift特征S^N_n進(jìn)行聚類，得到K個聚類中心w_l，將一個聚類中心視作一個視覺單詞，K個視覺單詞即形成了字典，其中l(wèi)=1,2,…,K；

(2d)對Sift特征S^N_n進(jìn)行視覺單詞量化，當(dāng)min||S^N_n-w_l||₂時，令S^N_n=w_l，將極光圖像量化為由n個視覺單詞構(gòu)成的極光圖像視覺文檔D^N。