一种基于稀疏编码特征提取的场景识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108596195A(43)申请公布日2018.09.28(21)申请号201810435125.5(22)申请日2018.05.09(71)申请人福建亿榕信息技术有限公司地址350000福建省福州市鼓楼区软件大道89号G区20号楼申请人国网信息通信产业集团有限公司(72)发明人曾伟波苏江文郑耀松吕君玉林吓强陈铠(74)专利代理机构福州市景弘专利代理事务所(普通合伙)35219代理人林祥翔徐剑兵(51)Int.Cl.G06K9/46(2006.01)G06K9/62(2006.01)权利要求书2页说明书7页附图3页(54)发明名称一种基于稀疏编码特征提取的场景识别方法(57)摘要本发明涉及图像识别技术领域，特别涉及一种基于稀疏编码特征提取的场景识别方法。一种基于稀疏编码特征提取的场景识别方法，包括步骤：对预先采集的用于训练的样本图像集进行预处理操作；提取样本图像集的特征表达向量；将特征表达向量及其对应的类别标注加入线性分类器中，构建线性场景分类器；对待识别的样本图像集进行预处理操作；提取待识别的样本图像集的特征表达向量；将待识别的样本图像集的特征表达向量送入线性场景分类器中识别，获得样本图像集的所属场景类的类别标注。采用稀疏编码技术可以在降低图像维度的同时保留图像的主要信息，同时对噪声及遮挡具有强大的鲁棒性。CN108596195ACN108596195A权利要求书1/2页1.一种基于稀疏编码特征提取的场景识别方法，其特征在于，包括步骤：对预先采集的用于训练的样本图像集进行预处理操作；提取所述预处理操作后的样本图像集的特征表达向量；将所述样本图像集的特征表达向量及其对应的类别标注加入线性分类器中，对所述线性分类器进行参数学习获得线性分类器的最佳参数，根据所述最佳参数构建线性场景分类器；对待识别的样本图像集进行预处理操作；提取所述预处理操作后的待识别的样本图像集的特征表达向量；将所述预处理后的待识别的样本图像集的特征表达向量送入所述线性场景分类器中识别，获得所述待识别的样本图像集的所属场景类的类别标注。2.根据权利要求1所述的一种基于稀疏编码特征提取的场景识别方法，其特征在于，所述预处理操作包括：图像对比度归一化及Gamma校正处理。3.根据权利要求1所述的一种基于稀疏编码特征提取的场景识别方法，其特征在于，所述“提取所述预处理操作后的样本图像集的特征表达向量”，包括：用多尺度SIFT特征融合的方法来提取样本图像集的底层特征，即对每个像素点采用多种尺度大小的领域，在每个领域内提取图像的SIFT关键点；求解所述SIFT关键点的稀疏表达，并采用空间金字塔策略及max-pooling形成预处理后的样本图像集的特征表达向量。4.根据权利要求3所述的一种基于稀疏编码特征提取的场景识别方法，其特征在于，所述步骤“求解所述SIFT关键点的稀疏表达”，包括：采用局部线性约束编码求解所述SIFT关键点的稀疏表达。5.根据权利要求3所述的一种基于稀疏编码特征提取的场景识别方法，其特征在于，所述步骤“并采用空间金字塔策略及max-pooling形成预处理操作后的样本图像集的特征表达向量”，包括：采用空间金字塔策略将图像划分成1×1、1×4及4×1的局部区域，在局部区域内采用max-pooling统计SIFT关键点编码的直方图，形成所述局部区域的特征表达，连接所有区域的特征表达形成预处理操作后的样本图像集的特征表达向量。6.根据权利要求1所述的一种基于稀疏编码特征提取的场景识别方法，其特征在于，所述步骤“对所述线性分类器进行参数学习获得线性分类器的最佳参数”，包括：采用最小二乘法计算得到线性分类器的权重参数，并采用交叉验证法得到线性分类器最佳参数。7.根据权利要求2所述的一种基于稀疏编码特征提取的场景识别方法，其特征在于，所述“图像对比度归一化”包括步骤：将图像从RGB颜色空间转到YUV颜色空间、对YUV颜色空间进行全局和局部对比归一化处理；所述全局和局部对比归一化处理过程只对Y通道进行操作，其它两个通道保持不变，所述全局归一化是将图像像素值归一化到图像像素均值附近，所述局部归一化是对边缘进行加强。8.根据权利要求1所述的一种基于稀疏编码特征提取的场景识别方法，其特征在于，所述“提取所述预处理操作后的待识别的样本图像集的特征表达向量”，包括：用多尺2CN108596195A权利要求书2/2页度SIFT特征融合的方法来提取样本图像集的底层特征，即对每个像素点采用多种尺度大小的领域，在每个领域内提取图像的SIFT关键点；求解所述SIFT关键点的稀疏表达，并采用空间金字塔策略及max-pooling形成预处理后的样本图像集的特征表达向量。3CN108596195A说明书1/7页一种