发明名称 | 一种基于类字典稀疏识别的车辆分类方法 | ||
摘要 | 本发明公开了一种基于类字典稀疏识别的车辆分类方法,所述方法首先将训练图像变成灰度图像并归一化为同一尺寸,提取LBP特征和SIFT特征并级联,采用RLS-DLA算法进行字典训练,针对自行车、摩托车、汽车三类典型目标的图像数据集,分别训练出三个对应的类字典;将待分类目标灰度化和归一化后,提取LBP特征和SIFT特征并将二者进行级联;利用训练好的三个类字典,进行稀疏识别,分别求出各类对应的稀疏系数,依据最近邻原则进行分类。本发明方法中类字典对于特定类的表征能力强于由全体数据集生成的全局字典,可以滤除光照对车辆目标图像处理的影响,并且对不同角度的目标图像仍能达到良好的分类效果。 | ||
申请公布号 | CN104598928A | 申请公布日期 | 2015.05.06 |
申请号 | CN201510051034.8 | 申请日期 | 2015.01.30 |
申请人 | 南京邮电大学 | 发明人 | 李艺;刘佶鑫 |
分类号 | G06K9/62(2006.01)I | 主分类号 | G06K9/62(2006.01)I |
代理机构 | 南京经纬专利商标代理有限公司 32200 | 代理人 | 李琰 |
主权项 | 一种基于类字典稀疏识别的车辆分类方法,其特征在于,所述方法包括如下步骤:步骤一、对车辆图像集中的样本进行灰度化,再归一化为同一尺寸的图像I<sub>1</sub>;步骤二、提取图像I<sub>1</sub>的LBP特征和SIFT特征,并把上述两个特征相级联,组合成一个与I<sub>1</sub>对应的融合特征V<sub>R</sub>;步骤三、采用RLS‑DLA字典学习算法对融合特征V<sub>R</sub>进行训练,针对不同类型的车辆分别训练出各自对应的类字典;步骤四、对待分类目标图像进行灰度化处理,并归一化为同一尺寸的图像I<sub>c</sub>;步骤五、提取图像I<sub>c</sub>的LBP特征和SIFT特征,并把两个特征相级联,组合成一个与I<sub>c</sub>对应的融合特征V<sub>C</sub>;步骤六、根据步骤三中训练好的类字典进行稀疏识别,分别求出各类对应的稀疏系数,依据最近邻原则进行分类,判断步骤四中的待分类目标图像具体所属的车辆类型。 | ||
地址 | 210003 江苏省南京市鼓楼区新模范马路66号 |