马会一肖一尾中特介绍官网:基于改進字典學習的多源圖像目標關聯方法技術

技術編號:21185425 閱讀:17 留言:0更新日期:2019-05-22 16:03
本發明專利技術公開了基于改進字典學習的多源圖像目標關聯方法,屬于情報數據處理領域,主要解決現有多源情報數據融合中,圖像目標關聯先識別再關聯存在的信息損失、步驟冗余的問題。首先收集多種信源對同一場景或同一目標的圖像數據集,形成原始數據集;利用改進字典學習方法對多源圖像進行統一稀疏表示,通過在目標函數中引入標簽信息,增加字典集特征的表征判別能力;構建神經網絡對各圖像的稀疏表示和標簽信息進行學習,得到關聯和非關聯目標間距離度量標準,代替傳統距離度量方式,完成關聯判別模型的建立。該方法充分利用圖像的特征信息,避免了現有方法的步驟冗余,具有模型生成速度快、信息損失少、實用效果好等優點。

Multi-source image target association method based on improved dictionary learning

572222一尾中特平 www.fbmtd.icu The invention discloses a multi-source image target association method based on improved dictionary learning, which belongs to the field of information data processing. It mainly solves the problems of information loss and redundancy of steps existing in existing multi-source information data fusion in which image target association is first identified and then correlated. Firstly, the original data set is formed by collecting the image data sets of the same scene or the same object from multiple sources; the improved dictionary learning method is used to unify the sparse representation of the multi-source image, and the label information is introduced into the objective function to increase the ability of the dictionary set to represent and discriminate features; the neural network is constructed to learn the sparse representation and label information of each image and get the association. The distance measurement standard between non-correlated targets replaces the traditional distance measurement method and completes the establishment of the correlation discriminant model. This method makes full use of the feature information of the image, avoids the redundancy of the existing methods, and has the advantages of fast model generation, less information loss and good practical effect.

【技術實現步驟摘要】
基于改進字典學習的多源圖像目標關聯方法
本專利技術隸屬于情報數據處理領域,涉及多源異構圖像間的目標關聯判別模型的生成,適用于多源情報信息融合處理環節。
技術介紹
圖像類信息的獲取一般具有探測范圍廣、重訪周期長、定位精度差等特點,可用于預警探測過程中的前期大范圍預警,通過對多種圖像類信息的目標關聯可以增加目標的相關量測點密度,提高量測信息更新時間,改善目標的定位精度。圖像類信息間的目標關聯主要是在一定時空約束下,依據目標的特征信息的相關性進行關聯判斷。在實際應用中主要是進行間接關聯,先利用目標特征信息,識別目標類別型號,再根據目標類型型號是否一致進行關聯判別,但這主要存在以下缺點:關聯效果太依賴于識別庫的完備性和算法的準確性;目標特征信息經識別為類別信息再到關聯結果,增大了信息過程損失。目前,多源圖像融合的研究大多是從像素級上實現圖像融合以得到更多的細節信息,便于進一步對圖像的分析、處理和理解,但其對輸入圖像的時間和空間配準有較高要求,且計算量大,處理時消耗時間長,難以達到實時性要求;而多源圖像信息間由于特征信息維度高、異類信源的特征信息差別大,目前鮮有從特征級融合的角度進行相關研究。
技術實現思路
本專利技術的目的是提出基于改進字典學習的多源圖像目標關聯方法,從圖像特征級出發,通過提取對比多源圖像目標的特征信息,以判斷圖像是否源于同一目標,構建多源圖像目標間的映射關系;旨在解決目前現有的圖像目標關聯方法中先識別再關聯的信息損失、步驟冗余的問題。本專利技術所述的基于改進字典學習的多源圖像目標關聯方法,主要可以分為四個階段,數據集收集和預處理階段,統一字典集生成階段、表征學習階段和分類學習階段,具體包括以下技術措施,首先是數據集收集和預處理階段,收集多種信源對同一場景或同一目標的圖像數據集,并對多源圖像數據集進行人工標記分析,存儲圖像數據集和人工標記結果,形成有標簽多源圖像目標關聯原始數據集。統一字典集生成階段,在字典學習的基礎上,進一步提出改進字典學習的方法,以增加字典學習所生成特征的表征判別能力,并利用改進字典學習方法對原始數據集中所有圖像數據進行字典學習,生成多源圖像共同字典集。表征學習階段,利用多源圖像共同字典集對多源圖像目標關聯原始數據集中的各多源圖像數據進行統一稀疏表示,生成各多源圖像數據的稀疏系數集,與原始數據集中的標簽信息共同形成多源圖像目標關聯判別數據集。分類學習階段,建立多源圖像目標關聯判別模型,利用多層神經網絡模型對多源圖像目標關聯判別數據集中的數據和標簽進行學習、訓練,最終得到關聯目標和非關聯目標間的距離度量標準,代替傳統距離度量方式,由此完成關聯判別模型的建立。本專利技術提出的基于改進字典學習的多源圖像目標關聯方法,可基于實測數據,直接訓練生成多源圖像目標間的關聯判別方法,避免了先識別再關聯的傳統方法中對識別庫信息要求高,信息損失嚴重等傳統問題,具有模型生成速度快、信息損失少、實用效果好等優點,所生成的多源圖像目標關聯方法無需調試可直接用于解決實際情報數據處理中的多源情報數據融合問題。附圖說明圖1是基于改進字典學習的多源圖像目標關聯方法流程圖。具體實施方式本專利技術提出的基于改進字典學習的多源圖像目標關聯方法技術方案包括以下步驟:步驟1:數據集收集和預處理階段,收集多種信源對同一場景或同一目標的圖像數據集,并對多源圖像數據集進行人工標記分析,存儲圖像數據集和人工標記結果,形成有標簽多源圖像目標關聯原始數據集S;步驟1.1:對多種信源圖像主要包括可見光圖像、多光譜圖像、紅外圖像、SAR圖像中的兩種圖像進行廣泛收集,并保證用于目標關聯的多源圖像間是對于同一場景,包含同一類目標或對應目標;步驟1.2:有標簽多源圖像目標關聯原始數據集S={(yi,yj',aij),i∈(0,N),j∈(0,N')},其中yi和yj'表示任意兩種信源的數據表示,aij=0或1,為人工標記結果,aij=0表示yi和yj'為非關聯目標,aij=1表示yi和yj'為關聯目標,N和N'分別為兩種多源圖像集包含的元素數量。步驟2:統一字典集生成階段,利用改進字典學習的方法對原始數據集S中所有圖像數據進行字典學習,生成多源圖像共同字典集D=[d1,d2,…dk];步驟2.1:字典學習是為普通稠密表達的樣本Y=[y1,…,yn]∈Rn×N,找到一個過完備的字典集D=[d1,…,dK]∈Rn×K(K>n),將原稠密樣本表示為字典集中各元素的線性組合,保證線性組合的系數X=[x1,…,xN]∈RK×N盡量稀疏,并控制信息損失的程度,從而使學習任務得以簡化,降低模型的復雜度,見公式(1)所示;步驟2.2:為使獲得的稀疏系數具有一定的分類能力,對字典學習進一步改進,在其目標函數基礎上,增加一項標簽對限制,得到改進字典學習的目標函數,如公式(2)所示;其中,α和β為超參數,用于控制各項所代表誤差的權重;第三項是使稀疏系數具有分類能力的限制項,當目標對(yi,yj')的標簽為關聯目標,即同一類別時,Mij=1;當目標對(yi,yj')的標簽為非關聯目標,即不同類別時,Mij=-1;其他情況,如(yi,yj')為同一目標,即i=j時,Mij=0,見公式(3)所示;N=diag{N1,…,NN},為對角矩陣,各對角元素為矩陣M中各列元素之和,L=N-M;;步驟2.3:目標函數(2)有D和X兩個參數,同時對參數D和X的優化為非凸優化問題,需要固定一個參數求解另一個參數,由此目標函數的優化問題可以轉換為以下兩個公式(4)、(5)的迭代優化:其中,公式(4)為固定字典集D對稀疏系數X進行逐個優化,公式(5)為固定稀疏系數對字典集進行優化,公式(5)的優化可以利用K-SVD進行,逐個更新字典集中的元素及對應稀疏系數;對公式(4),由于有L1范數的存在,目標函數不是連續可微的,利用特征符號搜索算法,通過迭代生成對應稀疏系數的正負號向量θ,將目標函數轉化為標準的、無約束的二次優化問題,因此,計算公式(4)的梯度,見公式(6)所示,令公式(6)梯度等于零,可得稀疏系數的結果,見公式(7)所示,步驟2.3.1;利用K-SVD算法對公式(5)生成字典集時,每輪迭代只更新一個字典元素dk,保持其他元素不變,尋找一個最佳dk并更新相應的稀疏系數(為系數矩陣X的第K行,與字典集的第k元素dk相對應),使公式(5)達到最??;如公式(8)所示,直接對Ek進行奇異值分解(SVD)來更新dk和可能出現稀疏系數不稀疏的現象,即更新后的與更新前的非零元素的位置不一致,因此,只保留稀疏系數中的非零值,Ek只保留dk和中非零位置乘積后的項,形成對進行奇異值分解得到,并令更新為U的第一列,V的第一列和Δ(1,1)的乘積作為的更新值,完成一個字典元素的更新;步驟2.3.2;對于公式(4),特征符號搜索算法通過迭代更新一組活動集來產生稀疏系數符號,活動集中的元素為稀疏系數的編號,具體包括以下步驟:步驟2.3.2.1;初始化,特征符號向量其中θi∈{-1,0,1}分別表示對應稀疏系數xi的符號,活動集activeset:={}為空集;步驟2.3.2.2;設定各非零稀疏系數的正負號以及活動集的元素,挑選利于目標函數(4)減小的稀疏系數編號為活動集元素,即:當時,設θi=-1,activeset本文檔來自技高網...

【技術?;さ恪?/strong>
1.基于改進字典學習的多源圖像目標關聯方法,其特征在于,包括以下步驟:步驟1,數據集收集和預處理階段收集多種信源對同一場景或同一目標的圖像數據集,并對多源圖像數據集進行人工標記分析,存儲圖像數據集和人工標記結果,形成有標簽多源圖像目標關聯原始數據集S;步驟2,統一字典集生成階段利用改進字典學習的方法對原始數據集S中所有圖像數據進行字典學習,生成多源圖像共同字典集D=[d1,d2,…dk];步驟3,表征學習階段利用多源圖像共同字典集D對多源圖像目標關聯原始數據集S中的多源圖像數據進行統一稀疏表示,生成各多源圖像數據的稀疏系數集X,與原始數據集中的標簽信息共同形成多源圖像目標關聯判別數據集S';步驟4,分類學習階段建立多源圖像目標關聯判別模型,利用步驟3中多源圖像目標關聯判別數據集S'中的數據和標簽進行學習、訓練,得到訓練好的關聯判別模型。

【技術特征摘要】
1.基于改進字典學習的多源圖像目標關聯方法,其特征在于,包括以下步驟:步驟1,數據集收集和預處理階段收集多種信源對同一場景或同一目標的圖像數據集,并對多源圖像數據集進行人工標記分析,存儲圖像數據集和人工標記結果,形成有標簽多源圖像目標關聯原始數據集S;步驟2,統一字典集生成階段利用改進字典學習的方法對原始數據集S中所有圖像數據進行字典學習,生成多源圖像共同字典集D=[d1,d2,…dk];步驟3,表征學習階段利用多源圖像共同字典集D對多源圖像目標關聯原始數據集S中的多源圖像數據進行統一稀疏表示,生成各多源圖像數據的稀疏系數集X,與原始數據集中的標簽信息共同形成多源圖像目標關聯判別數據集S';步驟4,分類學習階段建立多源圖像目標關聯判別模型,利用步驟3中多源圖像目標關聯判別數據集S'中的數據和標簽進行學習、訓練,得到訓練好的關聯判別模型。2.如權利要求1所述的基于改進字典學習的多源圖像目標關聯方法,其特征在于,所述步驟2中的改進字典學習是在原字典學習目標函數基礎上,增加一項標簽對限制,得到如公式(1)所示的目標函數;其中,α和β為超參數;N=diag{N1,…,NN},為對角矩陣,各對角元素為矩陣M中各列元素之和,L=N-M;M的定義見公式(2)所示,3.如權利要求1所述的基于改進字典學習的多源圖像目標關聯方法,其特征在于,所述步驟1具體包括以下子步驟:步驟1.1,對多種信源圖像可見光圖像、多光譜圖像、紅外圖像、SAR圖像中的兩種圖像進行廣泛收集,并保證用于目標關聯的多源圖像間是對于同...

【專利技術屬性】
技術研發人員:熊偉,呂亞飛,張筱晗,崔亞奇,朱洪峰,顧祥岐,蔡咪,
申請(專利權)人:中國人民解放軍海軍航空大學,
類型:發明
國別省市:山東,37

網友詢問留言 已有0條評論
  • 還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。

1
p3六码遗漏组六分析 北京塞车开奖视频直播 组三组六稳赚方法可刷返点 双色基本球走势 双色球中奖查询 11选5直选前3投注技巧 六肖期期准 管家婆 王中王 玩通比牛牛怎样才会赢 二人麻将胡牌牌型图解 万人炸金花手机旧版 二八杠顺口溜介绍 赛车pk10官网开奖记录 建足球场 新疆时时走势图三星基本走势 pk10技巧345678定位 双色球计划免费版