[發明專利]一種基于鄰域樣本定向鑒別投影特征提取方法在審
| 申請號： | 201810801721.0 | 申請日： | 2018-07-18 |
| 公開（公告）號： | CN109117739A | 公開（公告）日： | 2019-01-01 |
| 發明（設計）人： | 張寅;劉嫻;王雯璟 | 申請（專利權）人： | 成都識達科技有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/46;G06K9/62 |
| 代理公司： | 成都虹盛匯泉專利代理有限公司 51268 | 代理人： | 王偉 |
| 地址： | 610041 四川省成都市中國（四川）自由貿易試*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 樣本 鄰域 投影特征 鑒別 低維空間 高維數據 流形學習 樣本信息 移動方向 樣本點 構建 降維 維數 引入 災難 | ||
1.一種基于鄰域樣本定向鑒別投影特征提取方法，其特征在于，包括：
S1、圖像預處理，得到訓練樣本集合；
S2、根據步驟S1得到的訓練樣本集合，計算樣本鄰域信息熵，得到鄰域樣本定向聚類中心；
S3、根據步驟S2的鄰域樣本定向聚類中心，計算類間關系矩陣和類內關系矩陣；
S4、根據步驟S1得到的訓練樣本的集合、步驟S3得到的類間關系矩陣和類內關系矩陣，計算目標矩陣；
S5、根據步驟S4的目標矩陣計算最優投影矩陣；
S6、根據步驟S5的最優投影矩陣，計算步驟S1得到的訓練樣本集合中所有訓練樣本的特征，得到訓練樣本特征集合；
S7、根據步驟S6得到的訓練樣本特征集合和測試樣本特征集合，采用傳統的最小距離分類器對測試樣本特征集合中每個測試樣本的特征進行分類，得到測試樣本的類別標號。
2.根據權利要求1所述的一種基于鄰域樣本定向鑒別投影特征提取方法，其特征在于，所述步驟S1具體包括以下分步驟：
S11、通過圖像分割從原始SAR圖像中提取目標SAR圖像；
S12、對步驟S11提取的目標SAR圖像進行質心配準；
S13、對質心配準后的目標SAR圖像進行灰度增強。
3.根據權利要求2所述的一種基于鄰域樣本定向鑒別投影特征提取方法，其特征在于，步驟S11所述圖像分割具體為：基于Weibull分布的雙參數CFAR分割。
4.根據權利要求2所述的一種基于鄰域樣本定向鑒別投影特征提取方法，其特征在于，步驟S2所述鄰域樣本定向聚類中心為樣本鄰域信息熵最小的樣本。
5.根據權利要求4所述的一種基于鄰域樣本定向鑒別投影特征提取方法，其特征在于，步驟S3所述類間關系矩陣的元素定義為：
類內關系矩陣的元素定義為：
其中，表示樣本點Xi的異類k鄰域，是異類鄰域樣本定向聚集中心，表示樣本點Xi的同類k鄰域，是同類鄰域樣本定向聚集中心。
6.根據權利要求5所述的一種基于鄰域樣本定向鑒別投影特征提取方法，其特征在于，步驟S4具體為：根據類間關系矩陣構建類間目標矩陣；根據類內關系矩陣構造類內目標矩陣；然后根據類間目標矩陣與類內目標矩陣構建目標函數，從而得到目標矩陣。
7.根據權利要求6所述的一種基于鄰域樣本定向鑒別投影特征提取方法，其特征在于，步驟S5具體為：計算目標矩陣的若干特征值和正交歸一化特征向量，通過對若干特征值按照從大到小進行排序，選取前f個的最大特征值所對應的正交歸一化特征向量組成最優投影矩陣。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于成都識達科技有限公司，未經成都識達科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810801721.0/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：基于人工智能的閱卷方法
- 下一篇：一種指紋信息分享方法及指紋信息分享系統
