[发明专利]一种交通场景的感兴趣区域分析方法

权利要求书

1.一种交通场景的感兴趣区域分析方法，包括：

S1：对交通场景图像进行特征提取与组合，形成交通特征图像；

S2：对获取的交通特征图像进行向量化，形成二维矩阵，并对二维矩阵进行降维；

S3：对所述交通特征图像的降维矩阵进行分解，构成解空间，得到分解结果；

S4：将分解结果转化为二维矩阵，并归一化展示为图像，得到感兴趣区域；

其中，所述交通特征图像是对原输入交通场景图像I^M×N×L的颜色、统计、纹理、结构特征信息的提取，将提取信息组合成一个三维空间向量；所述三维空间向量的两维表示图像长宽，与所述原输入交通场景图像大小一致，另一维表示特征个数；其中M和N分别表示图像长宽，L表示图像光谱维度。

2.如权利要求1所述的交通场景的感兴趣区域分析方法，所述颜色特征信息I^c是原输入交通场景图像红绿蓝三通道信息以及HIS颜色空间中的色度和饱和度成分，具体为：

其中，I^r，I^g和I^b分别表示输入图像I的红绿蓝三波段，H，S和I表示HIS空间的色度，饱和度和亮度，θ₁表示中间变量。

3.如权利要求1所述的交通场景的感兴趣区域分析方法，所述统计信息是在以i为中心的局部窗口内像素的均值M(i)和方差信息V(i)，W₀表示窗口内的像素个数。

4.如权利要求1所述的交通场景的感兴趣区域分析方法，所述纹理特征信息是利用Gabor滤波器计算求得的在不同参数条件下得到的纹理图像，所述Gabor滤波器为：

其中，

x′＝xcosθ+ysinθ

y′＝-xsinθ+ycosθ

λ表示正弦函数的波长，θ表示方向，σ表示高斯函数的标准差。

5.如权利要求1所述的交通场景的感兴趣区域分析方法，所述结构特征信息采用相对全变分RTV算法进行提取，对于输入交通场景图像I，假设其结构图像为S，则RTV模型可以由如下数学表达式得到，则求解此优化问题可以有效提取出结构图像S：

ε是一个常值小量，P是图像总数目，ρ是一个人工预设的参数；Φ_x(i)和Φ_y(i)为

这里j属于像素i邻域R(i)，和分别计算图像S在x和y方向的偏微分,g_ij为一个权重函数，定义为：

同时定义Ψ_x(i)和Ψ_y(i)如下。

6.如权利要求1所述的交通场景的感兴趣区域分析方法，所述颜色、统计、纹理、结构特征信息四类特征图像大小一致，进行直接堆叠，可以得到所需的特征图像V^M×N×B，B表示以上四类特征图像的维度总和。

7.如权利要求1所述的交通场景的感兴趣区域分析方法，将所述特征图像V进行向量化，转换成二维矩阵A^L×N；利用奇异值分解方法，将所述二维矩阵A降维至p维，得到矩阵Ap，具体方法如下：

S21：输入合成的交通数据特征图像V，并转换至二维数据A^L×N；

S22：计算AA^T并对其进行奇异值分解，得到矩阵U^L×L,Λ^L×N和V^N×N，满足U×Λ×V＝AA^T；

S23：初始化p＝1,增加p直到条件首次满足，则此时的p为顶点数目，即需要降维的维度；

S24：使用奇异值分解A，保留p个特征，得到U_p,S_p,V_p，满足U_p×S_p×V_p≈A；最后得到