[發明專利]一種基于核稀疏表示的快速遙感目標檢測識別方法

在審

• 申請號: 201611039128.4
• 申請日: 2016-11-21
• 公開（公告）號: CN106650629A
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 高紅民;陳玲慧;陸迎曙;李臣明;楊耀;樊悅;張振;謝科偉;黃昌運
• 申請（專利權）人: 河海大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 南京蘇高專利商標事務所(普通合伙)32204
• 代理人: 柏尚春

1.一種基于核稀疏表示的快速遙感目標檢測識別方法，其特征在于：包括以下步驟：

S1：創建四個RGB特征通道；

S2：計算給定圖像的四個特征通道的四相傅里葉變換，提取相位譜，通過逆傅里葉變換重建四個特征通道的圖像，從而生成顯著圖；

S3：對步驟S2得到的顯著圖進行二值化劃分，提取候選興趣區域；

S4：通過有效子窗搜索算法掃描搜索框得到待測圖像塊，形成遙感目標圖像塊訓練集；

S5：對遙感目標圖像塊訓練集進行SIFT特征提取，生成稀疏字典；

S6：采用空間金字塔對SIFT特征進行映射；

S7：核稀疏表示；

S8：求解核稀疏表示；

S9：目標的空間金字塔向量表示；

S10：結合線性的支持向量機分類算法完成識別任務。

2.根據權利要求1所述的基于核稀疏表示的快速遙感目標檢測識別方法，其特征在于：所述步驟S7中的核稀疏表示如式(1)所示：

$\hat{v}=\arg {\min }_v\left|\right|v|{|}_1,||Y-vQ|{|}_2\≤\mathrm{\ξ}---\left(1\right)$

其中為稀疏編碼系數，ξ為重構殘差，K(■,■)為mercer核函數，x＝[x₁,x₂,x₃,…,x_N]∈R^N×D為訓練圖像集的SIFT特征，為映射后的稀疏字典，為映射后的特征集，U＝[u₁,u₂,u₃,…,u_K]∈R^K×D為視覺字典。

3.根據權利要求2所述的基于核稀疏表示的快速遙感目標檢測識別方法，其特征在于：所述步驟S8中，采用基于主成分析的正交匹配追蹤算法求解核稀疏表示：設定0<ξ＜＜1，0<ω＜＜K，0<h≤K，K為稀疏度，h為主成分析降維后的維度，計算稀疏字典的核矩陣Q∈R^K×K對應的正則化特征向量，對于每個正則化特征向量，計算它的核向量Y∈R^1×K，再通過矩陣B對Q與Y進行降維，結果分別為A＝QB^T＝(a₁,a₂,a₃,…,a_K)∈R^K×h和y＝YB^T∈R^1×h，然后以新產生的矩陣A作為字典，向量y作為輸入特征，運用OMP算法生成稀疏系數v∈R^1×K作為圖像向量表示。

4.根據權利要求1所述的基于核稀疏表示的快速遙感目標檢測識別方法，其特征在于：所述步驟S3中，提取候選興趣區域的方法為：二值化顯著圖，將其中正向像素點數目超過設定的閾值的區域作為候選興趣區域。

5.根據權利要求4所述的基于核稀疏表示的快速遙感目標檢測識別方法，其特征在于：所述閾值根據式(2)進行設定：

Threshold＝Mean+n×Variance, (2)

其中Mean為圖像灰度值的均值，Variance為圖像灰度值的方差，n為人為設定值。

6.根據權利要求1所述的基于核稀疏表示的快速遙感目標檢測識別方法，其特征在于：所述步驟S5中，采用K-means++聚類算法計算SIFT特征，生成稀疏字典。

7.根據權利要求1所述的基于核稀疏表示的快速遙感目標檢測識別方法，其特征在于：所述步驟S9中，目標的空間金字塔向量表示是采用最大匯聚方法對核稀疏編碼進行最終的匯聚，其中的最大匯聚方法如式(3)所示：

Max:r＝max(|v₁|,|v₁|,|v₂|,|v₃|,…,|v_M|) (3)

其中v_i是步驟S8得到的V＝(v₁,v₂,v₃,…,v_M)∈R^M×(21K)中的元素，1≤i≤M，M為SIFT特征的個數，K為稀疏度，r∈R^1×(21K)為該圖像塊的最終編碼向量。