[发明专利]基于自适应多尺度融合稀疏保持投影的一维距离像识别方法

摘要

本发明公开一种基于自适应多尺度融合稀疏保持投影的一维距离像识别方法。首先，对实测一维距离像信号样本进行预处理；然后，通过一维高斯尺度算子进行多尺度空间映射；接着，利用稀疏保持投影法对各空间特征进行稀疏表示，得到各空间上的稀疏系数矩阵；最后，通过本发明所提的空间权重算法计算各尺度空间权重系数，得到多尺度融合稀疏系数矩阵，再由稀疏保持投影约束获得低维空间投影矩阵将训练样本和测试样本投影到低维空间，用支持向量机对其进行训练和分类。本发明基于多尺度空间理论和稀疏保持投影，结合自创的空间权重算法对各尺度空间包含的识别信息进行高效融合，大幅提高了一维距离像信号的识别精度和抗噪声能力，降低了特征维度。

主权项

基于自适应多尺度融合稀疏保持投影的一维距离像识别方法，其特征在于，包括以下步骤：(1)训练阶段：(11)对训练样本集提取其归一化幅度特征集并进行平移对齐，得到平移对齐后的幅度特征集(12)利用高斯尺度算子G对平移对齐后的幅度特征集H进行多尺度空间映射，得到训练样本多尺度空间幅度特征向量集(13)由稀疏保持投影法对多尺度空间幅度特征样本分别进行稀疏重构，得到各尺度空间上的稀疏系数矩阵；(14)利用空间权重算法计算各尺度空间权重系数，结合各尺度空间稀疏系数矩阵，得到多尺度融合稀疏系数矩阵；(15)由稀疏保持投影约束得到低维空间投影矩阵W对平移对齐后的幅度特征集H进行低维空间投影，得到训练样本低维幅度特征向量集(16)由训练样本低维幅度特征向量集对支持向量机进行训练；(2)测试阶段：(21)对测试样本y提取其归一化幅度特征并与训练样本幅度特征集H进行平移对齐，得到平移对齐后的幅度特征hy；(22)利用步骤(15)求得的低维空间投影矩阵W对测试样本平移对齐后的幅度特征hy进行低维投影，得到测试样本低维幅度特征向量py：py＝WThy(23)利用训练完成的分类器对测试样本低维幅度特征进行分类，输出测试样本分类结果。