[发明专利]一种基于隐含核空间稀疏形状表示的目标分割方法

摘要

本发明公开了一种基于隐含核空间的稀疏形状表示目标分割方法，首先对原始先验形状训练集进行核主分量提取；根据KPCA提取结果建立隐含核形状空间并构建隐含核空间稀疏形状表示模型；构造基于稀疏系数的对偶约束项及基于概率形状的底层变分驱动能量函数；采用交替迭代法求解目标函数；利用隐含核空间形状稀疏表示结果监督基于概率形状的变分能量函数演化，并利用能量函数导出的演化曲线实现图像分割。本发明克服了现有基于形状近邻的稀疏表示分割方法中目标分割能力差，分割准确率低的问题，从而解决在原始形状域进行稀疏表示分割效果不佳的问题。

主权项

1.一种基于隐含核空间的稀疏形状表示目标分割方法，其特征在于，包括以下步骤：S1：对训练形状集进行KPCA处理；S2：基于KPCA处理结果，建立隐含核形状空间；S3：建立高层基于隐含核形状空间的稀疏表示模型；S4：建立基于概率形状的底层驱动能量函数，同时建立底层能量与高层能量的对偶连接项；S5：初始化稀疏系数和底层概率形状模型；S6：利用稀疏系数计算对偶连接项；S7：对底层能量函数进行优化；S8：将底层概率形状映射到高层稀疏表示模型中，并对稀疏表示模型进行优化获得稀疏系数；S9：判断输出结果是否符合精度要求：若是，根据能量函数输出分割的目标形状并结束算法；若否，则返回步骤S6；其中，所述步骤S2中的隐含核形状空间为基于稀疏组合的凸隐含形状空间ζ，所述形状空间表达式为：其中，矩阵为KPCA处理结果，V为KPCA特征向量，为稀疏系数；q_N表示第N个训练样本；表示实数空间；N表示训练集样本编号；η_P为隐含形状空间中的任意形状，(Ms)_i为稀疏组合Ms中的第i个元素。