[發(fā)明專利]一種基于空間金字塔隨機映射的地基云圖分類方法

在審

• 申請?zhí)枺?/td>: 201310648520.9
• 申請日: 2013-12-06
• 公開（公告）號: CN103605988A
• 公開（公告）日: 2014-02-26
• 發(fā)明（設(shè)計）人: 不公告發(fā)明人
• 申請（專利權(quán)）人: 康江科技(北京)有限責任公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于空間金字塔隨機映射的地基云圖分類方法，其特征在于，該方法包括以下步驟：

步驟1，對于每張訓練地基云圖樣本按照稠密采樣的方式提取其局部特征，利用局部圖像的強度值作為圖像的局部特征；

步驟2，利用隨機映射對每個局部特征進行降維，將原始高維特征集合映射到一個低維的子空間中；

步驟3，在低維子空間對降維后的特征集合進行聚類得到碼本D；

步驟4，將訓練地基云圖樣本按空間金字塔模型劃分為不同的區(qū)域，并將金字塔中每一級稱為一個尺度；然后根據(jù)碼本D得到不同區(qū)域的區(qū)域特征，將這些區(qū)域特征組合起來作為該樣本圖像最終的特征表示；

步驟5，對于測試地基云圖，按照所述步驟4得到所述測試地基云圖的最終特征表示；

步驟6，基于所述訓練地基云圖樣本的最終特征表示和所述測試地基云圖的最終特征表示，應用支持向量機（SVM）分類器對所述測試地基云圖進行分類，得到所述測試地基云圖的分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟2中，利用隨機映射進行降維，將原始高維特征集合映射到一個低維的子空間中，公式如下：

??????????????????????????????????????????????????????????????????????????????????????????????????????????????????

其中x表示原始N維特征向量，y表示降維后的M維特征向量，M<<N，M和N均為自然數(shù)，表示一個隨機矩陣，為高斯隨機矩陣，元素為相互獨立且為零均值單位方差的高斯隨機變量，R表示實數(shù)；

在壓縮傳感過程中，用隨機矩陣對高維特征向量進行降維得到低維的隨機特征向量，此過程稱為隨機映射，根據(jù)上述描述得到低維特征向量集合Y={y_i}。

3.根據(jù)權(quán)利要求1-2其中任一項所述的方法，其特征在于，所述步驟3中，利用K-means算法對地基云圖的局部特征集合Y進行聚類，然后將聚類中心作為碼本D。

4.根據(jù)權(quán)利要求1-3中任一項所述的方法，其特征在于，所述步驟4按如下步驟進行：

1）將訓練地基云圖樣本按空間金字塔模型劃分為不同的區(qū)域，并將金字塔中每一級稱為一個尺度；將圖像劃分為三級，第一級為原始圖像，第二級是將圖像劃分為大小相等的四個圖像塊，第三級是將圖像劃分為大小相等的九個圖像塊；

2）針對每一級的每一個圖像塊，根據(jù)碼本D，將該圖像塊中的每個局部特征映射到與其最近的碼字上，然后計算碼本D中所有碼字在該圖像塊出現(xiàn)次數(shù)的直方圖，將其作為該圖像塊的區(qū)域特征；

3）將這些圖像塊的區(qū)域特征串聯(lián)組合作為該地基云圖樣本最終的特征表示。