[发明专利]一种基于迁移视觉信息的交叉域地基云图分类方法

权利要求书

1.一种基于迁移视觉信息的交叉域地基云图分类方法，其特征在于，所述方法包括：

步骤S1，对来自源域和目标域的多幅输入地基云图进行预处理，得到多幅训练地基云图；

步骤S2，将所述多幅训练地基云图分别划分为多个图像块，并在每个图像块中稠密提取特征，得到每个图像块的特征向量集合；

步骤S3，对所述每个图像块的特征向量集合中的所有特征向量进行最大化抽取，将得到的特征向量依次连接，得到所述训练地基云图的迁移特征向量；

步骤S4，基于所述训练地基云图的迁移特征向量，进行加权度量学习，得到距离函数，并在最近邻分类器上使用该距离函数构建得到地基云图分类器；

步骤S5，根据所述步骤S1-S3，获取来自源域和目标域的测试地基云图的迁移特征向量，将其输入至所述地基云图分类器进行交叉域分类，得到地基云图类别识别结果；

所述步骤S4包括以下步骤：

步骤S41，根据所述训练地基云图的类别标签，对所述训练地基云图的迁移特征向量进行样本配对，将所有样本对分为：N个包含相似样本对的相似集合和一个包含非相似样本对的非相似集合，其中，N表示所述训练地基云图的类别总数；

步骤S42，根据每个集合的迁移特征向量数目，对N+1个集合的迁移特征向量赋予不同的权重，进行加权度量学习，得到马氏距离函数：

其中，i和z分别表示来自源域和目标域样本的迁移特征向量，A＝MM^T是一个半正定矩阵，M是一个转换矩阵；

步骤S43，将所述马氏距离函数应用到最近邻分类器，得到地基云图分类器。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1中对来自源域和目标域的多幅输入地基云图进行预处理包括：

步骤S11，将所述多幅输入地基云图中的每一幅转换为灰度地基云图；

步骤S12，将所述灰度地基云图的大小归一化为W×H，并将归一化后的灰度地基云图作为所述训练地基云图，其中，W和H分别表示灰度地基云图的宽度和高度。

3.根据权利要求1所述的方法，其特征在于，所述步骤S2包括：

步骤S21，将每幅训练地基云图划分为多个图像块；

步骤S22，对所述图像块利用滑动窗口稠密采样，提取每个滑动窗口的局部特征，得到每个滑动窗口的特征向量，每个图像块所有滑动窗口的特征向量组成该图像块的特征向量集合。

4.根据权利要求3所述的方法，其特征在于，所述图像块的大小相同。

5.根据权利要求1所述的方法，其特征在于，所述步骤S3包括：

步骤S31，利用下式对于每个图像块的特征向量集合中的所有特征向量进行最大化抽取，得到每个图像块对应的迁移特征向量：

a＝max{a₁,a₂,...,a_j,...,a_m}；

其中，a表示图像块的迁移特征向量；a_j(j＝1,2,...,m)表示该图像块第j个滑动窗口的特征向量，m表示每个图像块中特征向量的数量；

步骤S32，将所有图像块的迁移特征向量依次连接，得到所述训练地基云图对应的迁移特征向量。

6.根据权利要求1所述的方法，其特征在于，所述步骤S41对所述训练地基云图的迁移特征向量进行样本配对中，具有相同类别标签的两个样本作为相似样本对放入相应类别的相似集合中，类别标签不同的两个样本作为非相似样本对放入非相似集合中。

7.根据权利要求1所述的方法，其特征在于，所述步骤S42包括以下步骤：

步骤S421，基于对于相似集合和非相似集合中样本对之间的距离的限制学习得到半正定矩阵A；

步骤S422，将学习得到的半正定矩阵A应用到计算样本之间距离的函数之中，得到所述马氏距离函数。