[发明专利]一种基于HOG特征与深度学习的遥感图像飞机识别方法

权利要求书

1.一种基于HOG特征与深度学习的遥感图像飞机识别方法，其特征在于，包括如下步骤：

(1)先对样本图像进行提取HOG特征；

(2)对提取后的HOG特征进行SVM训练，得到SVM分类器；

(3)对样本图像进行归一化图像大小；

(4)将归一化后的图像加入深度卷积网络进行训练，得到深度学习分类器；

(5)输入图像，用步骤(2)中训练后的SVM分类器对图像进行检测分类；

(6)SVM分类器将检测分类后的结果作为飞机的候选目标；

(7)将步骤(6)中的飞机候选目标放入步骤(4)中得到的深度学习分类器中进行进一步分类识别；

(8)得出分类结果。

2.根据权利要求1所述的一种基于HOG特征与深度学习的遥感图像飞机识别方法，其特征在于，所述步骤(1)中提取HOG特征包括色彩和伽马归一化、计算图像梯度和直方图三种方法。

3.根据权利要求1所述的一种基于HOG特征与深度学习的遥感图像飞机识别方法，其特征在于，所述步骤(1)中采用色彩和伽马归一化方法对HOG特征进行提取的具体步骤如下：对图像的RGB色彩空间进行归一化处理，RGB代表原图像某点的像素值，rgb表示归一化之后的值，则r＝R/(R+G+B)；g＝G/(R+G+B)；b＝B/(R+G+B)。

4.根据权利要求1所述的一种基于HOG特征与深度学习的遥感图像飞机识别方法，其特征在于，所述步骤(1)中采用计算图像梯度方法对HOG特征进行提取的具体步骤如下：用[-1,0,1]梯度算子对原图像做卷积运算，得到x方向即水平方向，以向右为正方向的梯度分量G_x，然后用[1,0,-1]^T梯度算子对原图像做卷积运算，得到y方向即竖直方向，以向上为正方向的梯度分量G_y；然后再用以下公式计算该像素点的梯度大小和方向

5.根据权利要求1所述的一种基于HOG特征与深度学习的遥感图像飞机识别方法，其特征在于，所述步骤(4)中将归一化后的图像加入深度卷积网络进行训练，得到深度学习分类器的具体步骤如下：首先对所有样本进行一层一层的卷积层、池化层操作，将原始数据映射到隐层特征空间，然后通过全连接层将学到的分布式特征表示映射到样本标记空间，最后通过softmax函数对样本实现分类。

6.根据权利要求1所述的一种基于HOG特征与深度学习的遥感图像飞机识别方法，其特征在于，所述步骤(5)中对训练后的SVM分类器对图像进行检测分类前，需要先对整幅图像中每8×8个像素的Cell求出HOG特征，再将每2×2个Cell中的特征串联起来组成一个Block的特征并归一化，然后将每7×7个Block中的特征串联组成最终的3528维的特征。