[发明专利]一种目标搜索方法有效
申请号: | 201110271232.7 | 申请日: | 2011-09-14 |
公开(公告)号: | CN102339393A | 公开(公告)日: | 2012-02-01 |
发明(设计)人: | 李永杰;何琦;李朝义 | 申请(专利权)人: | 电子科技大学 |
主分类号: | G06K9/66 | 分类号: | G06K9/66 |
代理公司: | 电子科技大学专利中心 51203 | 代理人: | 周永宏 |
地址: | 611731 四川省成*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 目标 搜索 方法 | ||
1.一种目标搜索方法,包括对训练图像进行训练的步骤和对目标图像进行搜索的步骤,其中,对训练图像进行训练的步骤具体包括如下分步骤:
S1.小波变换:对训练图像进行小波变换,分别获得每个训练图像的高频成分矩阵和低频成分矩阵;
S2.高斯滤波:分别对每个训练图像高频成分矩阵和低频成分矩阵进行高斯滤波得到每个训练图像的高频全局特征和低频全局特征;
S3.主分量提取:采用PCA算法分别提取训练图像的高频全局特征和低频全局特征的主分量;
S4.确定分布函数:从训练图像中选取若干个图像,利用步骤S3得到的高频全局特征和低频全局特征的主分量与若干个图像的目标坐标,通过EM算法学习得到混合高斯函数的参数,确定分布函数。
对目标图像进行搜索的步骤具体包括如下分步骤:
S5.提取全局特征向量:对目标图像进行小波变换,分别获得目标图像的高频成分矩阵和低频成分矩阵;对获得的高频成分矩阵和低频成分矩阵进行高斯滤波得到目标图像的高频全局特征和低频全局特征;将得到的高频全局特征和低频全局特征分别映射到步骤S3得到的高频全局特征和低频全局特征的主分量,获得高频全局特征向量和低频全局特征向量;
S6.获取目标分布图像:分别将步骤S5得到的高频全局特征向量和目标图像的坐标矩阵以及步骤S5得到的低频全局特征向量和目标图像的坐标矩阵输入到步骤S4得到的分布函数,确定高频分布矩阵和低频分布矩阵,将高频分布矩阵和低频分布矩阵进行叠加得到分布矩阵,将分布矩阵与目标图相乘得到目标分布图像;
S7.特征提取:从步骤S6得到的目标分布图像提取两个颜色特征金字塔,强度特征金字塔以及四个方向特征金字塔;
S8.特征叠加:对步骤S7得到的7个特征金字塔分别进行中央-周边操作和规范化,得到7个子特征金字塔,分别对颜色,强度,方向的特征金字塔进行叠加,得到3个特征图,对得到的3个特征图进行规范化,然后对规范化后的3个特征图进行叠加,得到一幅显著图。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201110271232.7/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种电量复核中的异常数据处理方法
- 下一篇:一种人脸识别方法