基于条件随机场模型的无人机图像目标类检测方法

摘要

本发明公开了一种基于条件随机场模型的无人机图像目标类检测方法，其步骤为：(1)对特定区域的场景图片进行采集作为训练样本；(2)通过空间金字塔方法进行SVM分类器训练；(3)通过SVM分类器对特定区域内进行场景识别；(4)对无人机得到的图像进行超像素分割；(5)通过ORB算法提取特征，并在每个超像素块中进行融合作为该超像素块的特征；(6)构建条件随机场模型，将步骤(3)中的场景对目标类的限制加入建模过程；(7)进行参数学；(8)进行模型推断，基于步骤(7)采用最大后验准则为每一个节点分配一个使其边缘概率最大的标记，最终实现目标类检测。本发明具有适用范围广、能够提高检测准确度和处理速度等优点。

主权项

一种基于条件随机场模型的无人机图像目标类检测方法，其特征在于，步骤为：(1)对特定区域的场景图片进行采集作为训练样本；(2)通过空间金字塔方法进行SVM分类器训练；(3)通过SVM分类器对特定区域内进行场景识别；(4)对无人机得到的图像进行超像素分割；(5)通过ORB算法提取特征，并在每个超像素块中进行融合作为该超像素块的特征；(6)针对目标类检测特点基于部件模型原理进行条件随机场势函数和邻域设计，构建条件随机场模型，同时将步骤(3)中的场景对目标类的限制加入建模过程；(7)进行参数学习；采用极大似然估计方法实现求解条件随机场模型的参数问题，通过学习训练出分类模型；(8)进行模型推断，基于步骤(7)采用最大后验准则为每一个节点分配一个使其边缘概率最大的标记，最终实现目标类检测。