[发明专利]基于先验形状稀疏凸组合的同步目标分割和识别方法

权利要求书

1.一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。

2.根据权利要求1所述的基于先验形状稀疏凸组合的同步目标分割和识别方法，其特征在于所述稀疏凸组合的公式为其中是目标形状，s＝[s₁，s₂，·，s_N]^T是稀疏系数向量，s满足且对任意i，s_i≥0，M＝[q₁，q₂，·，q_N]是训练形状集，N为训练形状集中训练形状的数目。

3.根据权利要求1所述的基于先验形状稀疏凸组合的同步目标分割和识别方法，其特征在于所述第一目标函数的公式为：

Edata(q)=∫Ω(ro(u)-rb(u))qdx+∫Ωre(u)|▿q|dx]]>

其中的q＝Ms，M是所述第二训练形状集，s是所述第一稀疏系数向量，r_o(u)和r_b(u)分别表示图像u中目标和背景的区域描述符，r_e(u)作为一个边缘检测器，r_o(u)、r_b(u)、r_e(u)代表图像低层数据。