一种基于仿射尺度不变特征和稀疏表示的典型目标识别方法技术

本发明专利技术公开了一种基于仿射尺度不变特征和稀疏表示的典型目标识别方法，该方法包括：步骤1，采用ASIFT算法对多种类训练图像进行特征提取以及采用训练字典的方法，形成多种类字典；步骤2，采用ASIFT算法对目标测试图像进行特征提取，形成特征矩阵；步骤3，利用稀疏识别的方法建立能够同时识别不同传感器典型图像的识别模型，采用该识别模型将所述步骤1的特征矩阵与所述步骤2的多种类字典进行对比判断，若特征矩阵与字典相符合，则识别出图像类别；若不符合，则将特征矩阵训练添加到字典内。通过本发明专利技术利用仿射尺度不变特征变换方法，解决特征提取问题，并且利用稀疏表示方法建立一个通用的识别模型，经过实验证明该方法能够有效地识别目标图片。

【技术实现步骤摘要】

本专利技术涉及一种基于稀疏表示的识别图像的方法，尤其是一种基于仿射尺度不变特征和稀疏表示的典型目标识别方法。
技术介绍
稀疏表示是近年来图像识别、计算机视觉、数值计算等领域的研究热点，并取得了较好的效果。稀疏表示的最初目的是为了用比香农定理更低的采样率来表示和压缩信号。由于稀疏表示本身具有很好的判别特性，已经被成功应用在模式识别中，如人脸识别、车辆识别。由于目前的提取对视角变化鲁棒的图像特征麻烦，另外建立一个可以识别不同传感器图片的通用识别模型比较困难，而且识别建筑物或者其他的地面物体没有比较高的精度，清晰度也模糊等问题。
技术实现思路
本专利技术所要解决的技术问题是目前对提取对视角变化鲁棒的图像特征比较麻烦，建立一个可以识别不同传感器图片的通用识别模型比较困难，而且识别建筑物或者其他的地面物体精度低，清晰度模糊等问题。本专利技术解决上述技术问题的技术方案如下：一种基于仿射尺度不变特征和稀疏表示的典型目标识别方法,该方法步骤包括：步骤1，采用ASIFT算法对多种类训练图像进行特征提取以及采用训练字典的方法，形成多种(2种以上)类字典；步骤2，采用ASIFT算法对目标测试图像进行特征提取本文档来自技高网...

【技术保护点】
一种基于仿射尺度不变特征和稀疏表示的典型目标识别方法,其特征在于，该方法包括如下步骤：步骤1，采用ASIFT算法对多种类训练图像进行特征提取以及采用训练字典的方法，形成多种类字典；步骤2，采用ASIFT算法对目标测试图像进行特征提取，形成特征矩阵；步骤3，利用稀疏识别的方法建立能够同时识别不同传感器典型图像的识别模型，采用该识别模型将所述步骤1的特征矩阵与所述步骤2的多种类字典进行对比判断，若特征矩阵与字典相符合，则识别出图像类别；若不符合，则将特征矩阵训练添加到字典内。

【技术特征摘要】
1.一种基于仿射尺度不变特征和稀疏表示的典型目标识别方法,其特征在于，该方法包括如下步骤：步骤1，采用ASIFT算法对多种类训练图像进行特征提取以及采用训练字典的方法，形成多种类字典；步骤2，采用ASIFT算法对目标测试图像进行特征提取，形成特征矩阵；步骤3，利用稀疏识别的方法建立能够同时识别不同传感器典型图像的识别模型，采用该识别模型将所述步骤1的特征矩阵与所述步骤2的多种类字典进行对比判断，若特征矩阵与字典相符合，则识别出图像类别；若不符合，则将特征矩阵训练添加到字典内。2.根据权利要求1所述的一种基于仿射尺度不变特征和稀疏表示的典型目标识别的方法，其特征在于，所述步骤1中的ASIFT算法为：数字图像的获取过程表述如下：u＝S1G1ATu0(1)u代表数字图像，u0代表正视图，T代表平面变换，即图像的平面扭曲变换，A代表平面投影映射，G1代表高斯卷积平滑，S1代表采样，即将原始图像u0网格化，转为数字图像，平面投影映射A可以表示如下：A=HλR1TtR2=λcosψ-sinψsinψcosψt001cosφ-sinφsinφcosφ---(2)]]>这里Hλ＝λ，λ＞0，是A的行列式，Ri代表旋转，ψ∈[0，π)，φ∈[0,π),Tt代表倾斜度,t≥1。3.根据权利要求2所述的一种基于仿射尺度不变特征和稀疏表示的典型目标识别方法，其特征在于，ASIFT算法还包括：利用SIFT方法提取所有图像的特征。4.根据权利要求2所述的一...

【专利技术属性】
技术研发人员：李盛阳，邵雨阳，郑贺，
申请(专利权)人：中国科学院空间应用工程与技术中心，
类型：发明
国别省市：北京;11