【摘要】 本发明公开了一种涉及图像分割和目标识别中的基于形状稀疏表示的联合目标分割和识别方法，包括对第一参考形状集进行K均值聚类处理，得到第二参考形状集；对所述第二参考形状集进行PCA降维处理，得到第三参考形状集；初始化第一稀疏系数向量和第一形状参数；对所述第三参考形状集采用第一稀疏系数向量进行稀疏线性组合得到第一目标形状；用所述第一形状参数、图像低层数据和第一目标形状来构造目标函数；采用交替迭代法求解目标函数得到第二形状参数和第二稀疏系数向量；对所述第二形状参数采用反向PCA处理得到第二目标形状，实现目标分割；根据所述第二稀疏系数向量和所述第二形状参数得到所述第二目标形状的类别，实现目标识别。 【专利类型】发明授权 【申请人】浙江大学 【申请人类型】学校 【申请人地址】310027 浙江省杭州市西湖区浙大路38号 【申请人地区】中国 【申请人城市】杭州市 【申请人区县】西湖区 【申请号】CN201210087296.6 【申请日】2012-03-29 【申请年份】2012 【公开公告号】CN102663425B 【公开公告日】2014-03-05 【公开公告年份】2014 【授权公告号】CN102663425B 【授权公告日】2014-03-05 【授权公告年份】2014.0 【IPC分类号】G06K9/62 【发明人】陈飞; 于慧敏; 胡浩基; 潘能杰 【主权项内容】1.一种基于形状稀疏表示的联合目标分割和识别方法，采用概率定义来表示参考形状和目标形状，其特征在于包括：A)从训练图像中提取出形状组成第一参考形状集，对第一参考形状集进行K均值聚类处理，使得同类的参考形状排列在一起，得到第二参考形状集；B)对所述第二参考形状集采用主成分分析方法PCA进行降维处理，去除参考形状集中的冗余信息，得到第三参考形状集；C)初始化稀疏系数向量得到第一稀疏系数向量；D)初始化形状参数得到第一形状参数；E)对所述第三参考形状集采用第一稀疏系数向量进行稀疏线性组合得到第一目标形状；F)用所述第一形状参数、图像低层数据和所述第一目标形状来构造目标函数；G)采用交替迭代法来求解所述目标函数得到第二形状参数和第二稀疏系数向量；H)判断求得的结果是否符合精度要求，若是，则执行I)；否则，将第二形状参数赋值给第一形状参数，第二稀疏系数向量赋值给第一稀疏系数向量，返回E)继续执行；I)对所述第二形状参数采用反向PCA处理，得到第二目标形状，实现目标分割；J)根据类间残差最小原则，由所述第二稀疏系数向量和所述第二形状参数得到所述第二目标形状所属的类别，实现目标识别。 【当前权利人】浙江大学 【当前专利权人地址】浙江省杭州市西湖区浙大路38号 【专利权人类型】公立 【统一社会信用代码】12100000470095016Q 【家族被引证次数】10

未经允许不得转载：http://www.zhongzhencnc.com/1791573293.html