[发明专利]基于图像分块和位置加权的稀疏表示目标识别方法

说明书

技术领域

本发明涉及模式识别技术领域，特别是涉及一种基于图像分块和位置加权的稀疏表示目标识别方法。

背景技术

基于稀疏表示的分类（SRC）方法是一种像素级对齐方法，其遵循自然界中普遍适用的线性组合原理。

SRC方法的原理是：假设目标物在某种姿态下的图像，即测试对象可以用它在其他姿态下图像的线性组合表示或近似，然后根据测试对象相对于整个训练集的稀疏表示系数，得到测试对象的类别归属。可见，待测图像与训练字典的图像样本的相似性越高，SRC方法的适用效果就越好。

SRC方法的应用有如下特点：（1）基于整体的识别率与图像样本的选取密切相关；需要根据应用条件，适当选取图像样本。（2）识别与特征无关。识别（或分类）的依据是各原子在线性组合中的统计关系，即求解稀疏方程，根据解的分布等统计特点进行类型或目标判别。

而人脸识别（Face Recoginition，FR）的目标物不是脸，而是具有主动性的人，旨在判定某一幅人脸图像对应或属于某一个人。相比而言，刚性物体，如汽车、飞机、舰船等不但具有较好的外形稳定性，其外形及其细节即为类型或型号的区分依据；而且常为人造物体，不具智能性，表现为对摄像设备的不合作性，识别应用的随机性较强。

结合SRC方法的原理和步骤，为了在对刚性目标物的识别应用中获得较好的效果，需要从图像样本中获取更多的目标物细节，并以不同视角（水平或俯仰视角）、不同目标比例、不同尺度以及不同光照下的图像样本为基础构建或训练识别字典。由此，与FR相比，SRC方法在刚性物体的识别应用中存在的问题可归纳为：

（1）基于海量样本构建或训练识别字典

为了保留最多的细节，涵盖更多可能的环境条件，构建或训练识别字典所依据的图像样本将是海量的，也不同于FR应用。因此，利用SRC方法识别刚性目标物首要解决的问题是：以何为依据以及如何能从海量图像样本筛选得到有效样本，从而构建或训练得到高效的识别字典。

（2）目标物的对齐或定位

一般地，目标识别的第一步是图像的对齐或定位。该应用中，待测图像较高的随机性使对齐或定位较FR中困难，尤其刚性目标物并无统一的特征可循。因此，利用SRC方法识别刚性目标物时需要解决目标物的对齐或定位问题。

SRC方法应用研究多集中在人脸、文字和纹理等识别领域，识别效果较好，但是对刚性物体，尤其是外观不完整的刚性物体进行识别时，结果则不甚理想。

发明内容

（一）要解决的技术问题

本发明首先要解决的技术问题是：如何提供一种能够识别外观不完整的物体的图像识别方法。

（二）技术方案

为了解决上述技术问题，本发明提供一种基于图像分块和位置加权的稀疏表示目标识别方法，所述方法包括以下步骤：

S1、获取样本图像库，并对所述样本图像库中的样本图像进行图像分割，得到样本图像块库；

S2、根据样本图像块库中各样本图像块的位置序号和稀疏表示误差，求得识别字典和位置权重向量；

S3、根据所述识别字典和位置权重向量设计分类器；

S4、逐像素地分割待识别图像，得到待识别图像块集；

S5、对所述待识别图像块求解稀疏方程，并根据所述稀疏方程的解，利用所述分类器对待识别图像块进行类型识别。

优选地，步骤S1中，在同一尺度、相同环境下，从不同角度分别获取多个目标物体的多个图像，并将所获取的多个图像进行中心化对齐，形成所述样本图像库，利用图像块分割窗口对所述样本图像库中的样本图像进行分割，得到多个相同大小的所述样本图像块。

优选地，步骤S4具体为：利用所述图像块分割窗口对待识别图像逐像素地进行图像分割，得到多个相同大小的待识别图像块。

优选地，步骤S5中，求解稀疏方程后，首先根据所述稀疏方程的解的稀疏程度剔除所述待识别图像块中不属于所述识别字典的待识别图像块，然后再根据所述稀疏方程的解，利用所述分类器进行类型识别。

优选地，利用贪婪算法求解所述稀疏方程。

优选地，所述待识别目标物体为外观不完整的目标物体。

（三）有益效果

上述技术方案具有如下优点：本发明通过对待识别图像进行图像分割，得到待识别图像块，然后对待识别图像块求解稀疏方程，并根据所述稀疏方程的解，利用分类器对待识别图像块进行类型识别的方法，能够用于识别外观不完整的物体。

附图说明

图1是本发明的方法流程图。

具体实施方式