[發(fā)明專利]基于嵌入式DSP的遙感圖像稀疏編碼字典學習方法

有效

• 申請?zhí)枺?/td>: 201610845919.X
• 申請日: 2016-09-23
• 公開（公告）號: CN106991426B
• 公開（公告）日: 2020-06-12
• 發(fā)明（設(shè)計）人: 黃帥;張廣運;張榮庭;周國清
• 申請（專利權(quán)）人: 天津大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/68
• 代理公司: 天津市北洋有限責任專利代理事務(wù)所 12201
• 代理人: 李素蘭

本發(fā)明公開了一種基于嵌入式DSP的遙感圖像稀疏編碼字典學習方法，步驟1、輸入待學習的遙感圖像；步驟2、對遙感圖像進行重新排列，將遙感圖像通過移位提取的方式分解為相互重疊的子圖像；步驟3、建立字典矩陣D和系數(shù)矩陣A和系數(shù)矩陣B；步驟4、建立輔助系數(shù)矩陣Aodd、Bodd、Aeven以及Beven；步驟5、建立稀疏向量矩陣AT、BT，對稀疏向量矩陣AT、BT內(nèi)所有元素值初始化；步驟6、計算稀疏向量α_i并更新稀疏向量矩陣AT、BT；步驟7、去除相同稀疏向量；步驟8、更新系數(shù)矩陣A和系數(shù)矩陣B；步驟9、更新字典矩陣D，得到最終的字典矩陣D。本發(fā)明加快了字典學習速度、收斂的速度；明顯減少數(shù)據(jù)的傳遞次數(shù)，提高了賦值過程的速度，提升了圖像字典學習的速度。

技術(shù)領(lǐng)域

本發(fā)明屬于遙感圖像處理技術(shù)領(lǐng)域，特別是涉及一種基于嵌入式數(shù)字信號處理器DSP(Digital Signal Processor)的遙感圖像稀疏編碼字典的學習方法。

背景技術(shù)

稀疏編碼是一種無監(jiān)督學習圖像處理方法，其基本思想是尋找一組“超完備”的基向量來表示樣本圖像，相對于小波基等傳統(tǒng)的圖像處理技術(shù)，“超完備”的基向量不需要人工設(shè)計，能夠捕獲圖像更多的特征。這組“超完備”的基向量通常稱其為字典。

字典的學習過程是一個重復的迭代過程，如公式(1)所示

通過交替的更改稀疏向量α和字典D，使得目標函數(shù)值最小。

迭代過程分兩步：

(1)、固定字典D，然后調(diào)整稀疏向量α，使得公式(1)的目標函數(shù)最小。

(2)、固定稀疏向量α，然后調(diào)整字典D，使得公式(1)的目標函數(shù)最小。

通過不斷的迭代，當目標函數(shù)收斂時，就可以得到一組“超完備”的基向量，也就是字典。

稀疏編碼被廣泛應用于圖像處理技術(shù)領(lǐng)域，其算法大多利用軟件對圖像進行后期處理。但衛(wèi)星圖像在軌壓縮等遙感應用領(lǐng)域，由于其對實時性，便攜性和芯片小型化等方面的要求較高，導致現(xiàn)有的稀疏編碼字典學習難以應用。本發(fā)明通過結(jié)合DSP的特性對稀疏編碼字典學習的算法進行改進，使得稀疏編碼字典的學習過程可在DSP上進行實現(xiàn)，并且滿足了實時性，便攜性和芯片小型化的要求。

發(fā)明內(nèi)容

基于現(xiàn)有技術(shù)，本發(fā)明提出了一種基于嵌入式DSP的遙感圖像稀疏編碼字典學習方法，通過卷積神經(jīng)網(wǎng)絡(luò)提取卷積權(quán)值圖，自動加權(quán)圖像目標物體，從而對圖像目標實現(xiàn)更加準確的描述。

本發(fā)明的一種基于嵌入式DSP的遙感圖像稀疏編碼字典學習方法，包括以下步驟：

步驟1、輸入待學習的遙感圖像，將遙感圖像靜態(tài)存儲在數(shù)字信號處理器DSP的外部SDRAM中；

步驟2、對遙感圖像進行重新排列，將遙感圖像通過移位提取的方式分解為相互重疊的子圖像，并將子圖像中的每個元素按一定順序存儲在數(shù)字信號處理器DSP內(nèi)存的一個BANK中，稱其為訓練集矩陣X；

步驟3、建立字典矩陣D用于存儲字典，建立系數(shù)矩陣A和系數(shù)矩陣B用于存儲稀疏向量，并對字典矩陣D和系數(shù)矩陣A、B進行初始化；

步驟4、建立輔助系數(shù)矩陣Aodd、Bodd、Aeven以及Beven，用于存儲由于數(shù)據(jù)量大的訓練集矩陣帶有大量的重復信息產(chǎn)生相同的稀疏向量，并對輔助系數(shù)矩陣進行初始化；

步驟5、建立稀疏向量矩陣AT、BT，對稀疏向量矩陣AT、BT內(nèi)所有元素值初始化；

步驟6、計算稀疏向量α_t并更新稀疏向量矩陣AT、BT；