基于空间??光谱结构约束的多尺度分层目标检测方法

• 摘要：

  本发明提出了一种基于空间??光谱结构约束的多尺度分层目标检测方法.该方法包括以下步骤:根据待检测目标,构建多尺度多视角多姿态的模板集;计算该模板集的二值化近邻特征矩阵和自适应局部核回归特征矩阵,并进行去冗余优化;将待测图像缩小至原图像的1/4,去除场景中的背景噪声;计算近邻特征矩阵,根据余弦相似性准则与模板集的近邻特征矩阵进行相似度比较,从而确定目标的范围T₁;将待测图像缩小至原图像的1/2,计算T₁区域的自适应局部核回归特征矩阵,并与模板集进行相似度对比,确定目标区域T₂;将待测图像恢复至原图大小,计算T₂区域的近邻特征矩阵,再次进行相似度比较,确定出目标的最终位置.本发明在提高检测精度的同时有效缩短了检测时间.

• 专利类型：

  发明专利

• 申请/专利号：

  CN201610717153.7

• 申请日期：

  2016.08.24

• 公开/公告号：

  CN106407975A

• 公开/公告日：

  2017-02-15

• 发明人：

  柏连发 张毅 韩静 马翼

• 申请人：

  南京理工大学

• 主分类号：

  G06K9/32(2006.01)I,G,G06,G06K,G06K9

• 分类号：

  G06K9/32(2006.01)I,G06K9/62(2006.01)I,G,G06,G06K,G06K9,G06K9/32,G06K9/62

• 主权项：

  一种基于空间??光谱结构约束的多尺度分层目标检测方法,其特征在于,利用类金字塔分层结构模型,结合局部特征和近邻特征对目标进行检测,其中局部特征和近邻特征通过多维窗口构建位置关系,具体包括以下步骤:步骤1,根据待检测目标,构建多尺度多视角多姿态的模板集;计算该模板集的二值化近邻特征矩阵和自适应局部核回归特征矩阵,并对两组特征矩阵进行去冗余优化;步骤2,将待测图像缩小至原图像的1/4,根据ITTI显著目标分析,对待测图像进行预处理,去除场景中的背景噪声;计算预处理后待测图像的近邻特征矩阵,根据余弦相似性准则与模板集的近邻特征矩阵进行相似度比较,从而初步确定目标的范围T₁;步骤3,将待测图像缩小至原图像的1/2,计算步骤2中T₁区域的自适应局部核回归特征矩阵,并与模板集的自适应局部核回归特征矩阵进行相似度对比,确定目标区域T₂;步骤4,将待测图像恢复至原图大小,计算步骤3中的T₂区域的近邻特征矩阵,再次根据余弦相似性准则与模板集的近邻特征矩阵进行相似度比较,确定出目标的最终位置,完成目标检测.