一种基于层次哈希学习的山火图像快速识别方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115830479A(43)申请公布日2023.03.21(21)申请号202211556678.9(22)申请日2022.12.06(71)申请人国网四川省电力公司营销服务中心地址610000四川省成都市武侯区人民南路四段50号1楼(72)发明人李琪林严平彭德中蔡君懿(74)专利代理机构成都行之专利代理事务所(普通合伙)51220专利代理师宋海霞(51)Int.Cl.G06V20/17(2022.01)G06V10/774(2022.01)G06V10/764(2022.01)G06V10/82(2022.01)权利要求书3页说明书8页附图2页(54)发明名称一种基于层次哈希学习的山火图像快速识别方法及系统(57)摘要本发明公开了一种基于层次哈希学习的山火图像快速识别方法及系统，包括：基于核映射对山火图像训练集进行处理并根据核化特征构建层次哈希学习模型，对层次哈希学习模型进行迭代，得到哈希函数和训练哈希码；利用哈希函数计算测试山火图像进行计算，得到测试哈希码；计算训练哈希码和测试哈希码之间的海明距离，利用投票策略快速识别测试山火图像。本发明采用分层哈希方案，该方案利用两层哈希函数分别学习粗哈希码和细哈希码，从而逐步细化有益的判别信息，从而缓解了维度骤降导致的重要判别信息的丢失，解决了现有技术采用的哈希学习方法中产生的维度骤降导致某些重要数据属性或判别信息丢失，进而影响山火图像识别精度的问题。CN115830479ACN115830479A权利要求书1/3页1.一种基于层次哈希学习的山火图像快速识别方法，其特征在于，包括如下步骤：S1、获取山火图像训练集，基于核映射对所述山火图像训练集进行处理，得到山火图像的核化特征；S2、根据所述核化特征构建层次哈希学习模型，对所述层次哈希学习模型进行迭代，得到哈希函数和山火图像训练数据的哈希码；S3、获取测试山火图像，利用所述哈希函数计算所述测试山火图像进行计算，得到山火图像测试数据的哈希码；S4、计算山火图像训练数据的哈希码和山火图像训练数据的哈希码之间的海明距离，利用投票策略对所述海明距离进行处理，得到山火区域的火情类别信息。2.根据权利要求1所述的一种基于层次哈希学习的山火图像快速识别方法，其特征在于，根据所述核化特征构建层次哈希学习模型的方法如下：s.t.RRT＝I,B∈{‑1,1}n*lenB1＝0,BBT＝nI其中，P、Q分别为第一层哈希函数和第二层哈希函数；V为所有图像构成的核化特征；B为训练哈希码；L为训练数据的标签；R为投影矩阵；n是训练数据的数量；len为哈希的比特长度；I为对应维度的单位矩阵；||·||2,1为21范数；ɑ、β为平衡参数；B1为B与全1矩阵的乘积，0为全0矩阵。3.根据权利要求2所述的一种基于层次哈希学习的山火图像快速识别方法，其特征在于，对所述层次哈希学习模型进行迭代的方法如下：A、对所述第一层哈希函数、所述第二层哈希函数、所述投影矩阵、所述训练哈希码进行随机初始化；B、固定所述第一层哈希函数、所述投影矩阵、所述训练哈希码，更新所述第二层哈希函数；C、固定所述第二层哈希函数、所述投影矩阵、所述训练哈希码，更新所述第一层哈希函数；D、固定所述第一层哈希函数、所述第二层哈希函数和所述训练哈希码，更新所述投影矩阵；E、固定所述第一层哈希函数、所述第二层哈希函数和所述投影矩阵，更新所述训练哈希码；F、重复步骤B至步骤E，直至满足或达到最大迭代次数，其中，Bt为第t次迭代的训练哈希码，ε为误差值，一般取10‑4。4.根据权利要求3所述的一种基于层次哈希学习的山火图像快速识别方法，其特征在于，固定所述第一层哈希函数、所述投影矩阵、所述训练哈希码，更新所述第二层哈希函数的方法如下：2CN115830479A权利要求书2/3页T‑1TTQ＝(PStP)PVBTSt＝VV+αM其中，St为中间变量，ɑ为平衡参数，M是一个辅助对角矩阵，mii表示M的第i个对角元素，h为锚点个数。5.根据权利要求3所述的一种基于层次哈希学习的山火图像快速识别方法，其特征在于，固定所述第二层哈希函数、所述投影矩阵、所述训练哈希码，更新所述第一层哈希函数的方法如下：TTSb＝VBBV其中，Sb为中间变量。6.根据权利要求3所述的一种基于层次哈希学习的山火图像快速识别方法，其特征在于，固定所述第一层哈希函数、所述第二层哈希函数和所述训练哈希码，更新所述投影矩阵的方法如下：s.t.RRT＝I7.根据权利要求3所述的一种基于层次哈希学习的山火图像快速识别方法，其特征在于，固定所述第一层哈希函数、所述第二层哈希函数和所述投影矩阵，更新所述训练哈希码的方法如下：B1＝0,BBT＝nIE＝VPQ+βLRT其中，max表示最大化。8.根据权利