[發(fā)明專利]一種基于非局部自相似性的HOG特征和聯(lián)合稀疏的目標(biāo)檢測方法

有效

• 申請?zhí)枺?/td>: 201911062981.1
• 申請日: 2019-10-31
• 公開（公告）號: CN111126428B
• 公開（公告）日: 2022-08-05
• 發(fā)明（設(shè)計）人: 王鑫;鄧梁;嚴(yán)勤;呂國芳;石愛業(yè)
• 申請（專利權(quán)）人: 河海大學(xué)
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/80;G06V10/50;G06V10/772;G06K9/62
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 許方

本發(fā)明公開一種基于非局部自相似性的HOG特征和聯(lián)合稀疏的目標(biāo)檢測方法，首先基于非局部自相似性對方向梯度直方圖(Histogram of Oriented Gradient,HOG)特征進行改進，生成基于非局部自相似性的HOG特征，解決了傳統(tǒng)HOG特征不具備行稀疏特性的問題；其次設(shè)計了基于聯(lián)合稀疏的目標(biāo)檢測和分類器，將改進HOG特征的行稀疏特性在聯(lián)合稀疏的分類器上得到充分應(yīng)用；最后利用非極大值抑制算法與softmax算法計算的概率值來抑制目標(biāo)檢測中常出現(xiàn)的重疊現(xiàn)象，有效地減少了重疊檢測框的出現(xiàn)，在使用聯(lián)合稀疏分類器的情況下，相較于傳統(tǒng)HOG特征，改進HOG特征有效地提高了目標(biāo)檢測的精度。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于非局部自相似性的HOG特征和聯(lián)合稀疏的目標(biāo)檢測方法，屬于數(shù)字圖像處理技術(shù)領(lǐng)域。

背景技術(shù)

稀疏表示作為性能良好的分類器之一，得到廣泛應(yīng)用，稀疏表示本質(zhì)思想是將測試 樣本表示為訓(xùn)練樣本的組合，考慮的是測試樣本與訓(xùn)練樣本之間的相似性，但是，并未考慮樣本之內(nèi)或特征之間的相似性，聯(lián)合稀疏通過假設(shè)信號共享相同的稀疏模式獲得更強的約束性，同時也提高了對特征的要求。

一般特征或者樣本之內(nèi)很難保證具備良好的行稀疏特性，本發(fā)明通過將非局部自相 似性應(yīng)用與HOG特征創(chuàng)建，獲得具備良好行稀疏特性的HOG矩陣，就能一定程度上滿 足聯(lián)合稀疏對特征的行稀疏要求。

發(fā)明內(nèi)容

發(fā)明目的：針對現(xiàn)有技術(shù)中存在的問題，本發(fā)明提供出了一種基于非局部自相似性 的HOG特征和聯(lián)合稀疏的目標(biāo)檢測方法。該方法不僅提高HOG特征的行稀疏特性，還 保持了一定的檢測和識別精確性。

技術(shù)方案：為實現(xiàn)本發(fā)明的目的，本發(fā)明所采用的技術(shù)方案是：一種基于非局部自相似性的HOG特征和聯(lián)合稀疏的目標(biāo)檢測方法，首先基于非局部自相似性對方向梯度 直方圖(Histogram of Oriented Gradient,HOG)特征進行一定的改進，生成基于非局部自相似性的HOG特征；其次設(shè)計了基于聯(lián)合稀疏的目標(biāo)檢測和分類器；最后利用非極大值 抑制來抑制目標(biāo)檢測中常出現(xiàn)的重疊現(xiàn)象。整個方法包括訓(xùn)練階段和測試階段，其特征 在于：

所述訓(xùn)練階段包括以下步驟：

(1)提取特征：設(shè)置包含需要檢測的目標(biāo)的光學(xué)遙感樣本圖像作為正樣本，而其余圖像則是背景圖像作為負(fù)樣本，通過顏色模型轉(zhuǎn)換，從RGB模型變換至HSV空間；接 著利用Canny算子計算得到色調(diào)通道的邊緣圖像H_edge；然后將非局部相似性與HOG 特征相結(jié)合，以局部圖像塊block為特征提取的最小計數(shù)單位，將所有block所提取的 矩陣進行重組得到最終的行稀疏特征，即非局部自相似HOG矩陣

(1.1)設(shè)置若干包含某類需要進行檢測的遙感目標(biāo)的訓(xùn)練正樣本圖像RGB_i， i＝1,...,train_sum，保證訓(xùn)練樣本圖像中只有一個需要檢測的遙感目標(biāo)，盡量不讓環(huán) 境或者背景對訓(xùn)練過程進行干擾，其中，train_sum為訓(xùn)練樣本數(shù)量。通過顏色模型轉(zhuǎn) 換，從RGB模型變換至HSV空間，接著利用Canny算子計算即可得到色調(diào)通道的邊緣圖 像H_edge_i；

(1.2)將H_edge_i劃分為若干塊 j∈[1,num_b]，num_b表示H_edge_i劃分的塊總數(shù)，block_i表示對應(yīng)H_edge_i的 所有塊集合。對其中的任意一塊進行進一步劃分，劃分成若干cell單元，k∈[1,num_c]，num_c表示劃 分的cell單元總數(shù)，表示對應(yīng)的所有cell單元集合；

(1.3)針對任意一個cell單元設(shè)L(x,y)表示cell單元中位 于(x,y)的像素，利用：

g_x＝L(x+1,y)-L(x-1,y)

g_y＝L(x,y+1)-L(x,y-1)