[发明专利]一种基于局部近邻稀疏表示的目标识别方法

权利要求书

1.一种基于局部近邻稀疏表示的目标识别方法，其特征在于，利用 基于局部近邻稀疏表示的目标识别系统，实现该方法的步骤如下：

步骤1：输入样本模块从数据库中接收并输出c类训练样本集和测试 样本集；

步骤2：样本单位化模块对c类训练样本集和测试样本集进行单位化， 获得单位化后的训练样本集A和测试样本集Y；

步骤3：局部近邻计算模块对于单位化后的测试样本集Y中的每个测 试样本y，分别计算测试样本y在训练样本集A每个类别中的局部近邻， 所述局部近邻是对于任意一个测试样本y∈Y，在训练样本集A的每类样本 集合X_i中计算测试样本y的局部近邻为：

步骤4：线性重构权值向量计算模块用每个类别的局部近邻线性重构 测试样本y，并得到每个类别的线性重构权值向量，同时线性重构权值向 量需要满足范数约束条件，其中，所述线性重构权值向量需要满足范数约 束条件是：对于任意的测试样本y在第i个类的线性重构权值向量w_i，满足

w_i＝arg min_w||Ψ_iw-y||₂+α|||w|-w||₁+β|||w|+w||₁，

其中，|w|表示线性重构权值向量w的每个分量都取绝对值，

||w||1=Σs=1k|w(s)|,]]>

α，β分别表示线性重构权值向量中的负分量范数和正分量范数的惩 罚系数，i＝1，2，…，c；

步骤5：局部近邻稀疏表示残差计算模块根据每个类别的线性重构权 值向量，计算测试样本y在每个类别的局部近邻稀疏表示残差；

步骤6：分类模块根据每个类别的局部近邻稀疏表示残差，对测试样 本y进行分类；

所述单位化是将每个L×M像素的二维目标图像(a_l，m)_L×M按照像素列的 顺序转化成为一维列向量的形式：

x~=(a1,1,a2,1,...,aL,M)T∈Rn,]]>

其中，a_l，m表示二维图像第l行第m列像素值，n＝L×M，l＝1，2，…，L， m＝1，2，…，M，(a_1，1，a_2，1，…，a_L，M)^T表示行向量(a_1，1，a_2，1，…，a_L，M)的转置，Rⁿ表示n维 实向量空间；其次，对一维列向量进行单位化，得到单位化后训练样本 集A和测试样本集Y中的任意一个训练样本或任意一个测试样本

其中，||x~||2=(Σl,m=1L,Mal,m2)12;]]>

最后，得到单位化后的训练样本集A：A＝{X₁，X₂，…，X_c}和测试样本集 Y，其中X_i表示训练样本集A的第i个类别的样本集合，i＝1，2，…，c，c为训 练样本集A的类别数。