[发明专利]基于形状稀疏表示的联合目标分割和识别方法

权利要求书

1.一种基于形状稀疏表示的联合目标分割和识别方法，采用概率定义来表示参考形状和目标形状，其特征在于包括：

A)对第一参考形状集进行K均值聚类处理，得到第二参考形状集；

B)对所述第二参考形状集采用主成分分析方法PCA进行降维处理，得到第三参考形状集；

C)初始化稀疏系数向量得到第一稀疏系数向量；

D)初始化形状参数得到第一形状参数；

E)对所述第三参考形状集采用第一稀疏系数向量进行稀疏线性组合得到第一目标形状；

F)用所述第一形状参数、图像低层数据和所述第一目标形状来构造目标函数；

G)采用交替迭代法来求解所述目标函数得到第二形状参数和第二稀疏系数向量；

H)判断求得的结果是否符合精度要求，若是，则执行I)；否则，将第二形状参数赋值给第一形状参数，第二稀疏系数向量赋值给第一稀疏系数向量，返回E)继续执行。

I)对所述第二形状参数采用反向PCA处理，得到第二目标形状，实现目标分割；

J)根据类间残差最小原则，由所述第二稀疏系数向量和所述第二形状参数得到所述第二目标形状所属的类别，实现目标识别。

2.根据权利要求1所述的基于形状稀疏表示的联合目标分割和识别方法，其特征在于：所述目标函数包括数据项和形状稀疏约束项优化所述目标函数的公式为

{α^,θ^,h^,s^}=argmins,θ,h,α{β1||As-α||22+β2||s||1+<qα,θ,h,r>+υ||▿qα,θ,h||1}]]>

其中A是第三参考形状集，s是第一稀疏系数向量，α是第一形状参数，β₁，β₂，υ是常系数，q_α，θ，h是α对应的形状，θ是姿态参数，h是平移参数，r＝R_o(u)-R_b(u)，R_o(u)＝-log p_o(u)，R_b(u)＝-log p_b(u)，p_o(u)和p_b(u)分别为图像u中目标区域和背景区域的概率直方图，代表图像低层数据。