[發明專利]一種基于加權聯合最近鄰的多任務稀疏表示檢測方法有效
| 申請號： | 201911150556.8 | 申請日： | 2019-11-21 |
| 公開（公告）號： | CN111079544B | 公開（公告）日： | 2022-09-16 |
| 發明（設計）人： | 歐先鋒;徐智;張一鳴;張國云;涂兵;王勇 | 申請（專利權）人： | 湖南理工學院;桂林電子科技大學 |
| 主分類號： | G06V20/13 | 分類號： | G06V20/13;G06V10/44 |
| 代理公司： | 東莞卓為知識產權代理事務所(普通合伙) 44429 | 代理人： | 湯冠萍 |
| 地址： | 414000 *** | 國省代碼： | 湖南;43 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 加權 聯合 近鄰 任務 稀疏 表示 檢測 方法 | ||
1.一種基于加權聯合最近鄰的多任務稀疏表示檢測方法，其特征在于：包括以下步驟：
S1、利用交叉分組策略將高光譜圖像按波段分為多個子高光譜圖像，同時對測試像素進行分組得到子測試像素，yk，k＝1，2，...，K；
S2、利用多任務學習技術，結合多個相似子高光譜圖像，構建多任務稀疏表示模型；
S3、將所有任務上累積的總重構誤差應用于檢測目標，得到多任務稀疏表示的檢測結果DMTL(yn)；
S4、利用加權聯合最近鄰方法進行計算，得到加權最近鄰的檢測結果
S5、將加權最近鄰的檢測結果和多任務稀疏表示的檢測結果DMTL(yn)相結合，得到最終的檢測函數；
S6、利用S5得到的檢測函數對高光譜圖像中所有像素進行檢測，得到最終目標檢測結果。
2.根據權利要求1所述的一種基于加權聯合最近鄰的多任務稀疏表示檢測方法，其特征在于：所述S2具體包括以下步驟：
S21：用目標訓練像素和背景訓練像素構成D＝[Dt，Db],并利用交叉分組策略進行分組，得到多個子字典Dk，k＝1，2，...，K；
S22：對每個子訓練樣本進行稀疏表示
αk，k＝1，2，...，K為子稀疏系數；
S23：根據
利用加速近端梯度算法求出
S24：分別計算目標和背景的累計殘差
。
3.根據權利要求2所述的一種基于加權聯合最近鄰的多任務稀疏表示檢測方法，其特征在于：所述S23中，ρ是聯合稀疏正則項和可靠重建項之間的平衡系數；||W||2，1是l2，1范數，表示矩陣W每一行的l2之和。
4.根據權利要求1所述的一種基于加權聯合最近鄰的多任務稀疏表示檢測方法，其特征在于：S5中，對于S24中得到的目標和背景累計殘差，設計檢測器DMTL(yn)＝rb-rt,將檢測器用于高光譜圖像所有像素，得到多任務稀疏表示的檢測結果DMTL(yn)。
5.根據權利要求1所述的一種基于加權聯合最近鄰的多任務稀疏表示檢測方法，其特征在于：所述S4具體包括以下步驟：
S21、對任一個測試像素yi取其周圍像素聯合構成yi，joint；
S22、計算目標訓練樣本和聯合測試樣本之間的優勢距離d(yn，joint，Xt)；
S23、引入高斯加權函數，計算高斯加權距離即為加權最近鄰的檢測結果。
6.根據權利要求1所述的一種基于加權聯合最近鄰的多任務稀疏表示檢測方法，其特征在于：所述步驟S5中，最終的檢測函數為：其中λ是聯合稀疏正則項和可靠重建項之間的平衡系數。
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湖南理工學院;桂林電子科技大學，未經湖南理工學院;桂林電子科技大學許可，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/201911150556.8/1.html，轉載請聲明來源鉆瓜專利網。
