[发明专利]一种基于SIFT视觉词袋的全波形激光回波信号的分类方法

权利要求书

1.一种基于SIFT视觉词袋的全波形激光回波信号分类方法，其特征在于，包括：

预先建立SIFT视觉词袋；

控制条纹管激光雷达逐列扫描目标区域，并采集每列扫描目标区域的一个原始回波信号；

提取所述一个原始回波信号中所有SIFT特征点，并利用所述SIFT视觉词袋对所述所有SIFT特征点进行量化，得到所述一个原始回波信号的目标特征向量；

将所述一个原始回波信号的目标特征向量实时输入一支持向量机模型中，对所述原始回波信号进行地物分类；其中，所述支持向量机模型为使用多组训练数据训练出来的，所述多组训练数据包括第一类训练数据和第二类训练数据；所述第一类训练数据中的每组数据均包括：目标地物类型的第一回波信号、用来标识所述第一回波信号的标签以及用来表征所述第一回波信号的第一特征向量；所述第二类训练数据中的每组数据均包括：不属于所述目标地物类型的第二回波信号、用来标识所述第二回波信号的标签以及用来表征所述第二回波信号的第二特征向量。

2.根据权利要求1所述的方法，其特征在于，所述预先建立SIFT视觉词袋，包括：

选择多个不同地物类型的回波信号，并分别提取每个回波信号的SIFT特征点；

将所有回波信号的所述SIFT特征点集合，并利用K-Means算法合并词义相近的SIFT特征点，构建一个包含K个词汇的SIFT视觉词袋。

3.根据权利要求1所述的方法，其特征在于，所述提取所述一个原始回波信号中所有SIFT特征点，包括：

检测所述原始回波信号在高斯尺度空间中的多个极值点；

从所述多个极值点去除不稳定的极值点，得到关键点；

确定每个所述关键点的主方向；

生成所述关键点的描述符，得到SIFT特征点。

4.根据权利要求1所述的方法，其特征在于，所述利用所述SIFT视觉词袋对所述所有SIFT特征点进行量化，得到目标特征向量，包括：

将所述SIFT特征点用所述SIFT视觉词袋中的单词近似代替；

统计所述SIFT特征点中每个单词出现的次数，得到所述原始回波信号的目标特征向量，其中，所述目标特征向量的数量为所述SIFT特征点中出现的不同单词的数量。

5.根据权利要求1所述的方法，其特征在于，所述控制条纹管激光雷达逐列扫描目标区域，并采集每列扫描目标区域的一个原始回波信号，包括：

控制所述条纹管激光雷达沿垂直于飞机的飞行方向逐列扫描目标区域；

接收每列扫描目标区域内地面目标在不同时刻返回的光信号，并将所述光信号在所述条纹管中转换成光电子脉冲；

对所述光电子脉冲进行线性偏转，使不同时刻的所述光电子脉冲在荧光屏上按照时间顺序展开，形成每列扫描目标区域的一个原始回波信号。

6.根据权利要求1所述的方法，其特征在于，所述将一个原始回波信号的目标特征向量实时输入一支持向量机模型中，对所述原始回波信号进行地物分类；其中，所述支持向量机模型为使用多组训练数据训练出来的，所述多组训练数据包括第一类训练数据和第二类训练数据，包括：

选择目标地物类型的第一回波信号及不属于所述目标地物类型的第二回波信号作为训练数据；对所述第一回波信号及第二回波信号分别分配第一标签和第二标签；

基于所述SIFT视觉词袋提取所述第一回波信号的第一特征向量，并将所述第一特征向量与所述第一标签进行合并，形成第一特征集；以及提取所述第二回波信号的第二特征向量，并将所述第二特征向量与第二标签进行合并，形成第二特征集；

建立一待训练支持向量机模型，并利用所述第一特征集和第二特征集对所述待训练支持向量机模型进行训练，利用训练结果对所述待训练支持向量机模型的参数进行优化；

将预分类的一个原始回波信号的目标特征向量实时输入至训练好的支持向量机模型中，输出所述原始回波信号的分类类型。

7.根据权利要求1或6所述的方法，其特征在于，所述第一回波信号可以为平原条纹图、建筑物条纹图、树木条纹图中任意一种条纹图像。