发明名称 |
基于先验形状稀疏凸组合的同步目标分割和识别方法 |
摘要 |
本发明公开了一种涉及图像目标分割和识别领域的基于先验形状稀疏凸组合的同步目标分割和识别方法,包括对第一训练形状集进行姿态归一化处理得到第二训练形状集;采用PCA对第二训练形状集进行降维处理得到第三训练形状集;初始化第一稀疏系数向量;采用第一稀疏系数向量对第三训练形状集进行稀疏凸组合得到第一目标形状;构造第一目标函数,并对所述第一目标函数采用梯度下降法求得第二目标形状;对第二目标形状进行姿态归一化处理得到第三目标形状;构造第二目标函数,并采用SMO方法对所述第二目标函数进行求解得到第二稀疏系数向量;采用第二稀疏系数向量对第二训练形状集进行稀疏凸组合得到第四目标形状,实现目标分割和目标识别。 |
申请公布号 |
CN102663427A |
申请公布日期 |
2012.09.12 |
申请号 |
CN201210087477.9 |
申请日期 |
2012.03.29 |
申请人 |
浙江大学 |
发明人 |
于慧敏;潘能杰;陈飞;胡浩基 |
分类号 |
G06K9/62(2006.01)I |
主分类号 |
G06K9/62(2006.01)I |
代理机构 |
杭州宇信知识产权代理事务所(普通合伙) 33231 |
代理人 |
张宇娟 |
主权项 |
一种基于先验形状稀疏凸组合的同步目标分割和识别方法,采用概率定义来表示训练形状和目标形状,其特征在于包括:A)对第一训练形状集中的训练形状进行姿态归一化处理,得到第二训练形状集;B)采用主成分分析方法PCA对所述第二训练形状集进行降维处理,得到第三训练形状集;C)对稀疏系数向量进行初始化得到第一稀疏系数向量;D)采用所述第一稀疏系数向量对所述第三训练形状集进行稀疏凸组合得到第一目标形状;E)利用图像低层数据,所述第二训练形状集和所述第一稀疏系数向量来构造第一目标函数;F)采用梯度下降法对所述第一目标函数进行求解得到第二目标形状;G)对所述第二目标形状进行姿态归一化处理和PCA降维处理得到第三目标形状;H)所述第一目标形状和所述第三目标形状之间的累积平方误差ISE构成第二目标函数;I)采用最小序贯法SMO对所述第二目标函数进行求解得到第二稀疏系数向量;J)若求得的第二稀疏系数向量符合精度要求,则执行K;否则,将所述第二稀疏系数向量赋值给所述第一稀疏系数向量,返回D)继续执行;K)采用所述第二稀疏系数向量对所述第二训练形状集进行稀疏凸组合得到第四目标形状,实现目标分割;L)所述第二稀疏系数向量中的最大值对应的所述第二训练形状所属的类就 是所述第四目标形状的类别,实现目标识别。 |
地址 |
310027 浙江省杭州市西湖区浙大路38号 |