[發明專利]一種基于稀疏濾波特征選擇的目標識別方法

在審

• 申請號: 201710291342.7
• 申請日: 2017-04-28
• 公開（公告）號: CN107145850A
• 公開（公告）日: 2017-09-08
• 發明（設計）人: 楊剛;鄭春紅;王傳聰;原浩娟
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 西安西達專利代理有限責任公司61202
• 代理人: 劉華

1.一種基于稀疏濾波特征選擇的目標識別方法，其特征在于，包括以下步驟：

1)建立飛機遙感圖像的數據庫，并將其劃分為訓練數據集x和測試樣本集y；

2)提取訓練數據集x中飛機目標遙感圖像的特征，包括圖像的熵、歸一化轉動變量NMI、Hu矩、Fourier描述子和Zernike矩，將飛機目標遙感圖像的特征進行歸一化，組成飛機目標遙感圖像的組合不變性特征X∈R^m×n，其中m和n分別為圖像數量維數和特征維數；

3)利用組合不變性特征X訓練稀疏字典D∈R^n×l，使用稀疏濾波方法進行特征選擇，減少特征的維度，得到緊湊的特征表達F，其中l表示特征選擇后的特征維數；

4)利用優化后的特征F訓練基于RBF核的SVM分類器，得到用于飛機目標識別的分類器模型；

5)按步驟2～3)的方法提取測試樣本集y的組合不變性特征進行特征選擇，將得到的非線性變換特征輸入經過步驟4)訓練的SVM分類器進行分類，得到最終的測試結果。

2.根據權利要求1所述的一種基于稀疏濾波特征選擇的目標識別方法，其特征在于，所述步驟1)中建立的飛機遙感圖像數據庫共包含8類飛機遙感圖像，每類88幅，共704幅128*128的二值圖像；在數據庫中，不僅包括了旋轉不同角度的飛機圖像，而且還包括部分位置被遮擋的遙感飛機圖像；從每類飛機圖像中隨機選擇38幅圖像組成訓練集x，剩余的50幅圖像組成測試集y。

3.根據權利要求1所述的一種基于稀疏濾波特征選擇的目標識別方法，其特征在于，所述步驟2)提取訓練集中遙感飛機圖像的熵值、歸一化轉動變量NMI、Fourier描述子、Hu矩和Zernike矩作為飛機圖像的組合不變性特征；其中，特征融合時所用的歸一化公式如公式(Ⅰ)所示：

4.根據權利要求1所述的一種基于稀疏濾波特征選擇的目標識別方法，其特征在于，所述步驟3)包括以下步驟：

3.1)對組合不變性特征X進行非線性變換，得到映射特征矩陣F，其非線性變換公式如式(Ⅱ)所示：

F＝log(1+(XD)²)(Ⅱ)；

式中，D∈R^m×n表示稀疏字典，F∈R^l×m表示映射特征矩陣，且F的第i行值對應第i幅圖像的特征向量，第j列值表示不同圖像的第j個特征，l表示特征選擇后的特征維數；

3.2)對進行特征矩陣F進行稀疏約束，求得稀疏字典D，具體步驟包括：

3.2.1)每一個特征除以其在所有樣本的二范數，如式(Ⅲ)所示：

3.2.2)對步驟3.2.1)得到的每個樣本的特征進行歸一化，如式(Ⅳ)所示：

3.2.3)對步驟3.2.2)歸一化后得到的特征矩陣F₂進行稀疏約束，求得稀疏字典，如式(Ⅴ)所示：

D＝min_D||F₂||₁(Ⅴ)。

5.根據權利要求1所述的一種基于稀疏濾波特征選擇的目標識別方法，其特征在于，所述步驟4)中，把特征選擇后的組合不變性特征F作為輸入，利用k折交叉驗證法進行網格尋優搜索來實現基于RBF核的SVM的參數尋優，然后使用尋優得到的最佳參數C和λ訓練SVM分類器。

6.根據權利要求1所述的一種基于稀疏濾波特征選擇的目標識別方法，其特征在于，所述步驟5)包括以下步驟：

5.1)提取測試樣本集y的組合不變性特征并進行與訓練階段相同的歸一化；

5.2)利用訓練階段獲得的稀疏字典D，采用與訓練集x相同的非線性變換方法進行特征選擇，得到非線性變換特征

5.3)將特征輸入到經過訓練的SVM分類器中進行分類，得到最終的識別結果。