[发明专利]一种基于多光谱数据的物体识别方法和装置

权利要求书

1.一种基于多光谱数据的物体识别方法，其特征在于，包括：

S1.获取待识别物体的多光谱数据；

S2.生成多个三维Gabor小波；

S3.将所述多光谱数据和所述多个三维Gabor小波进行卷积操作，以得到多个Gabor响应；

S4.基于所述多个Gabor响应生成多个识别Gabor特征；

S5.基于所述多个识别Gabor特征识别所述待识别物体。

2.根据权利要求1所述的基于多光谱数据的物体识别方法，其特征在于，所述步骤S4进一步包括：

S41.基于设定参数从所述多个Gabor响应获取多个待选Gabor特征；

S42.使用训练数据从所述多个待选Gabor特征中选择识别准确率最高的待选Gabor特征加入到已选Gabor特征中；

S43.从剩余的所述多个待选Gabor特征中选择与所述已选Gabor特征融合后获得最大准确率增量的待选Gabor特征；

S44.判断所述最大准确率增量是否大于设定阈值，如果是执行步骤S45，否则执行步骤S46；

S45.将选择的所述待选Gabor特征加入到已选Gabor特征中，并返回到步骤S43；

S46.将获得的已选Gabor特征作为所述多个识别Gabor特征。

3.根据权利要求2所述的基于多光谱数据的物体识别方法，其特征在于，所述设定参数包括幅值、相位和/或角度。

4.根据权利要求1所述的基于多光谱数据的物体识别方法，其特征在于，所述步骤S4进一步包括：使用前向搜索或者后向搜索从所述多个Gabor响应生成所述多个识别Gabor特征。

5.根据权利要求1-4中任一权利要求所述的基于多光谱数据的物体识别方法，其特征在于，所述多个识别Gabor特征包括所述待识别物体在X-Y平面、光谱Z轴、以及X、Y、Z空间中特定频率和方向的信号变化特性。

6.根据权利要求1所述的基于多光谱数据的物体识别方法，其特征在于，在所述步骤S2中，所述三维Gabor小波的生成函数为：

生成的所述三维

Gabor小波为其中f_max＝0.5，I＝J＝K＝4。

7.根据权利要求6所述的基于多光谱数据的物体识别方法，其特征在于，在步骤S3中，将所述多光谱数据和所述多个三维Gabor小波进行卷积操作由下列公式实现：

其中为所述三维Gabor小波，V(x，y，b)为所述多光谱数据。

8.根据权利要求7所述的基于多光谱数据的物体识别方法，其特征在于，在所述步骤S4中，所述基于所述多个Gabor响应生成多个识别Gabor特征包括：

S4a、使用下列公式对所述多个Gabor响应取幅值：

m_i，j，k(x，y，b)＝|g_i，j，k(x，y，b)|

S4b.假设所述多光谱数据V(x，y，b)为B个频谱光扫描获得，将所有B波段的响应连接生成所述多个识别Gabor特征：

其中B为正整数。

9.根据权利要求1所述的基于多光谱数据的物体识别方法，其特征在于，所述步骤S5进一步包括通过欧几里德距离计算待识别物体与最相似物体的相似程度，从而待识别物体识别为最相似的物体。

10.一种基于多光谱数据的物体识别装置，其特征在于，包括：

获取模块，用于获取待识别物体的多光谱数据；

Gabor小波模块，用于生成多个三维Gabor小波；

卷积模块，用于将所述多光谱数据和所述多个三维Gabor小波进行卷积操作，以得到多个Gabor响应；

特征模块，用于基于所述多个Gabor响应生成多个识别Gabor特征，

识别模块，用于基于所述多个识别Gabor特征识别所述待识别物体。