[发明专利]一种基于核稀疏表示的快速遥感目标检测识别方法

权利要求书

1.一种基于核稀疏表示的快速遥感目标检测识别方法，其特征在于：包括以下步骤：

S1：创建四个RGB特征通道；

S2：计算给定图像的四个特征通道的四相傅里叶变换，提取相位谱，通过逆傅里叶变换重建四个特征通道的图像，从而生成显著图；

S3：对步骤S2得到的显著图进行二值化划分，提取候选兴趣区域；

S4：通过有效子窗搜索算法扫描搜索框得到待测图像块，形成遥感目标图像块训练集；

S5：对遥感目标图像块训练集进行SIFT特征提取，生成稀疏字典；

S6：采用空间金字塔对SIFT特征进行映射；

S7：核稀疏表示；

S8：求解核稀疏表示；

S9：目标的空间金字塔向量表示；

S10：结合线性的支持向量机分类算法完成识别任务。

2.根据权利要求1所述的基于核稀疏表示的快速遥感目标检测识别方法，其特征在于：所述步骤S7中的核稀疏表示如式(1)所示：

$\hat{v}=\arg {\min }_v\left|\right|v|{|}_1,||Y-vQ|{|}_2\≤\mathrm{\ξ}---\left(1\right)$

其中为稀疏编码系数，ξ为重构残差，K(■,■)为mercer核函数，x＝[x₁,x₂,x₃,…,x_N]∈R^N×D为训练图像集的SIFT特征，为映射后的稀疏字典，为映射后的特征集，U＝[u₁,u₂,u₃,…,u_K]∈R^K×D为视觉字典。

3.根据权利要求2所述的基于核稀疏表示的快速遥感目标检测识别方法，其特征在于：所述步骤S8中，采用基于主成分析的正交匹配追踪算法求解核稀疏表示：设定0<ξ＜＜1，0<ω＜＜K，0<h≤K，K为稀疏度，h为主成分析降维后的维度，计算稀疏字典的核矩阵Q∈R^K×K对应的正则化特征向量，对于每个正则化特征向量，计算它的核向量Y∈R^1×K，再通过矩阵B对Q与Y进行降维，结果分别为A＝QB^T＝(a₁,a₂,a₃,…,a_K)∈R^K×h和y＝YB^T∈R^1×h，然后以新产生的矩阵A作为字典，向量y作为输入特征，运用OMP算法生成稀疏系数v∈R^1×K作为图像向量表示。

4.根据权利要求1所述的基于核稀疏表示的快速遥感目标检测识别方法，其特征在于：所述步骤S3中，提取候选兴趣区域的方法为：二值化显著图，将其中正向像素点数目超过设定的阈值的区域作为候选兴趣区域。

5.根据权利要求4所述的基于核稀疏表示的快速遥感目标检测识别方法，其特征在于：所述阈值根据式(2)进行设定：

Threshold＝Mean+n×Variance, (2)

其中Mean为图像灰度值的均值，Variance为图像灰度值的方差，n为人为设定值。

6.根据权利要求1所述的基于核稀疏表示的快速遥感目标检测识别方法，其特征在于：所述步骤S5中，采用K-means++聚类算法计算SIFT特征，生成稀疏字典。

7.根据权利要求1所述的基于核稀疏表示的快速遥感目标检测识别方法，其特征在于：所述步骤S9中，目标的空间金字塔向量表示是采用最大汇聚方法对核稀疏编码进行最终的汇聚，其中的最大汇聚方法如式(3)所示：

Max:r＝max(|v₁|,|v₁|,|v₂|,|v₃|,…,|v_M|) (3)

其中v_i是步骤S8得到的V＝(v₁,v₂,v₃,…,v_M)∈R^M×(21K)中的元素，1≤i≤M，M为SIFT特征的个数，K为稀疏度，r∈R^1×(21K)为该图像块的最终编码向量。