專利名稱：一種基于多光譜數(shù)據(jù)的物體識(shí)別方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及光譜識(shí)別領(lǐng)域，更具體地說(shuō)，涉及一種基于多光譜數(shù)據(jù)的物體識(shí)別方法和裝置。
背景技術(shù)：
多光譜數(shù)據(jù)目前在高空雷達(dá)成像中應(yīng)用比較多。在通過(guò)不同波長(zhǎng)的紅外波獲取不同地物的多光譜數(shù)據(jù)后，需要根據(jù)這些數(shù)據(jù)對(duì)地物的種類，如房屋、森林、草地等進(jìn)行識(shí)別。 由于多光譜數(shù)據(jù)量大，而數(shù)據(jù)的種類標(biāo)定非常繁瑣，所以不需訓(xùn)練或者只需少量訓(xùn)練樣本的識(shí)別方法顯得尤為重要。如果采用原始光譜數(shù)據(jù)進(jìn)行識(shí)別，其中的噪聲會(huì)大大影響準(zhǔn)確率。為此，采用數(shù)學(xué)工具從這些多光譜數(shù)據(jù)抽取具有較大類間差異的特征，對(duì)于識(shí)別準(zhǔn)確率顯得尤為重要。如果將多光譜數(shù)據(jù)中地物的空間位置作為X，Y平面，紅外光譜的波長(zhǎng)作為Z軸，則多光譜響應(yīng)是一個(gè)三維空間的數(shù)據(jù)。由于相同地物在相同波段應(yīng)該具有類似的光譜響應(yīng)， 識(shí)別系統(tǒng)采用的數(shù)學(xué)工具應(yīng)該能夠同時(shí)抽取物體在X，Y空間、光譜波長(zhǎng)Z軸、以及聯(lián)合X、 Y、Z空間變化的特性，從而能夠最大程度上代表物體的特性，并加以區(qū)分。目前，研究人員已經(jīng)對(duì)基于多光譜數(shù)據(jù)的物體識(shí)別方法進(jìn)行了一定的研究，并取得了一定的成果。有研究人員采用二維Gabor小波先在同一波段的X-Y平面提取物體特征，然后將該不同波段的特征通過(guò)比較來(lái)獲得三維空間信息。在該方法中，物體的特征表述在X-Y空間和Z軸是分步得到的，該信息沒(méi)有同時(shí)捕捉物體在三維空間的變化。有研究人員采用三維Gabor小波同時(shí)抽取了物體在X-Y平面、光譜Z軸、以及聯(lián)合X、Y、Z空間的變化特性，然后將物體分成若干小塊，將塊內(nèi)的特征統(tǒng)計(jì)作為物體的整體描述。由于采用了統(tǒng)計(jì)方法，該特征在空間的分辨率不高，且該表述并沒(méi)有用到Gabor小波的虛部，特征大大弱化。其他一些方法主要直接采用光譜特性作為識(shí)別依據(jù)，由于數(shù)據(jù)中大量噪聲的存在，往往需要復(fù)雜的分類器，并且需要大量的訓(xùn)練樣本才能達(dá)到較好的識(shí)別效果。綜上所述，目前傳統(tǒng)的技術(shù)方案的缺點(diǎn)大致如下1.直接采用具有大量噪聲的光譜數(shù)據(jù)作為識(shí)別依據(jù)，需要復(fù)雜的分類器和大量的訓(xùn)練數(shù)據(jù)；2.從光譜響應(yīng)抽取特征時(shí)，不能同時(shí)抽取物體在X-Y平面、光譜Z軸、以及聯(lián)合X、 Υ、ζ空間的變化特性，特征表述不能很好的代表物體特性；3.能同時(shí)抽取X-Y-Z空間變化特性的方法的空間分辨率低，且沒(méi)有用到Gabor小波的虛部，特征大大弱化。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問(wèn)題在于，針對(duì)現(xiàn)有技術(shù)的上述缺陷，提供一種能夠從具有大量噪聲的多光譜數(shù)據(jù)中同時(shí)抽取物體在X-Y平面、光譜Z軸、以及聯(lián)合Χ、Υ、Ζ空間的變化特性；并在抽取具有代表性的物體特性的同時(shí)，保留其在三維空間的較高分辨率，從而達(dá)到準(zhǔn)確的識(shí)別效果的基于多光譜數(shù)據(jù)的物體識(shí)別方法。本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是構(gòu)造一種基于多光譜數(shù)據(jù)的物體識(shí)別方法，包括Si.獲取待識(shí)別物體的多光譜數(shù)據(jù)；S2.生成多個(gè)三維Gabor小波；S3.將所述多光譜數(shù)據(jù)和所述多個(gè)三維Gabor小波進(jìn)行卷積操作，以得到多個(gè) Gabor 口向應(yīng)；S4.基于所述多個(gè)Gabor響應(yīng)生成多個(gè)識(shí)別Gabor特征；S5.基于所述多個(gè)識(shí)別Gabor特征識(shí)別所述待識(shí)別物體。在本發(fā)明所述的基于多光譜數(shù)據(jù)的物體識(shí)別方法中，所述步驟S4進(jìn)一步包括S41.基于設(shè)定參數(shù)從所述多個(gè)Gabor響應(yīng)獲取多個(gè)待選Gabor特征；S42.使用訓(xùn)練數(shù)據(jù)從所述多個(gè)待選Gabor特征中選擇識(shí)別準(zhǔn)確率最高的待選 Gabor特征加入到已選Gabor特征中；S43.從剩余的所述多個(gè)待選Gabor特征中選擇與所述已選Gabor特征融合后獲得最大準(zhǔn)確率增量的待選Gabor特征；S44.判斷所述最大準(zhǔn)確率增量是否大于設(shè)定閾值，如果是執(zhí)行步驟S45，否則執(zhí)行步驟S46 ；S45.將選擇的所述待選Gabor特征加入到已選Gabor特征中，并返回到步驟S43 ；在本發(fā)明所述的基于多光譜數(shù)據(jù)的物體識(shí)別方法中，所述設(shè)定參數(shù)包括幅值、相位和/或角度。在本發(fā)明所述的基于多光譜數(shù)據(jù)的物體識(shí)別方法中，使用前向搜索或者后向搜索從所述多個(gè)Gabor響應(yīng)生成所述多個(gè)識(shí)別Gabor特征。在本發(fā)明所述的基于多光譜數(shù)據(jù)的物體識(shí)別方法中，所述多個(gè)識(shí)別Gabor特征包括所述待識(shí)別物體在X-Y平面、光譜Z軸、以及X、Y、Z空間中特定頻率和方向的信號(hào)變化特性。
函數(shù)為
維
K = 4。
個(gè)三維Gabor小波進(jìn)行卷積操作由下列公式實(shí)現(xiàn)
權(quán)利要求
1.一種基于多光譜數(shù)據(jù)的物體識(shí)別方法，其特征在于，包括51.獲取待識(shí)別物體的多光譜數(shù)據(jù)；52.生成多個(gè)三維Gabor小波；53.將所述多光譜數(shù)據(jù)和所述多個(gè)三維Gabor小波進(jìn)行卷積操作，以得到多個(gè)Gabor響應(yīng)；54.基于所述多個(gè)Gabor響應(yīng)生成多個(gè)識(shí)別Gabor特征；55.基于所述多個(gè)識(shí)別Gabor特征識(shí)別所述待識(shí)別物體。
2.根據(jù)權(quán)利要求1所述的基于多光譜數(shù)據(jù)的物體識(shí)別方法，其特征在于，所述步驟S4 進(jìn)一步包括541.基于設(shè)定參數(shù)從所述多個(gè)Gabor響應(yīng)獲取多個(gè)待選Gabor特征；542.使用訓(xùn)練數(shù)據(jù)從所述多個(gè)待選Gabor特征中選擇識(shí)別準(zhǔn)確率最高的待選Gabor特征加入到已選Gabor特征中；543.從剩余的所述多個(gè)待選Gabor特征中選擇與所述已選Gabor特征融合后獲得最大準(zhǔn)確率增量的待選Gabor特征；544.判斷所述最大準(zhǔn)確率增量是否大于設(shè)定閾值，如果是執(zhí)行步驟S45，否則執(zhí)行步驟 S46 ；545.將選擇的所述待選Gabor特征加入到已選Gabor特征中，并返回到步驟S43；546.將獲得的已選Gabor特征作為所述多個(gè)識(shí)別Gabor特征。
3.根據(jù)權(quán)利要求2所述的基于多光譜數(shù)據(jù)的物體識(shí)別方法，其特征在于，所述設(shè)定參數(shù)包括幅值、相位和/或角度。
4.根據(jù)權(quán)利要求1所述的基于多光譜數(shù)據(jù)的物體識(shí)別方法，其特征在于，所述步驟S4 進(jìn)一步包括使用前向搜索或者后向搜索從所述多個(gè)Gabor響應(yīng)生成所述多個(gè)識(shí)別Gabor 特征。
5.根據(jù)權(quán)利要求1-4中任一權(quán)利要求所述的基于多光譜數(shù)據(jù)的物體識(shí)別方法，其特征在于，所述多個(gè)識(shí)別Gabor特征包括所述待識(shí)別物體在X-Y平面、光譜Z軸、以及X、Y、Z空間中特定頻率和方向的信號(hào)變化特性。
6.根據(jù)權(quán)利要求1所述的基于多光譜數(shù)據(jù)的物體識(shí)別方法，其特征在于，在所述步驟 S2中，所述三維Gabor小波的生成函數(shù)為
7.
8.根據(jù)權(quán)利要求7所述的基于多光譜數(shù)據(jù)的物體識(shí)別方法，其特征在于，在所述步驟 S4中，所述基于所述多個(gè)Gabor響應(yīng)生成多個(gè)識(shí)別Gabor特征包括S4a、使用下列公式對(duì)所述多個(gè)Gabor響應(yīng)取幅值 mi,j,k(X' y，b) = |gi,j,k(x，y，b)S4b.假設(shè)所述多光譜數(shù)據(jù)V(x，y, b)為B個(gè)頻譜光掃描獲得，將所有B波段的響應(yīng)連接生成所述多個(gè)識(shí)別Gabor特征Mij,ty) = lmw(χ'^1)(χ'>"'2)Λ 講出江少,·8)〗，其中 β 為正整數(shù)。
9.根據(jù)權(quán)利要求1所述的基于多光譜數(shù)據(jù)的物體識(shí)別方法，其特征在于，所述步驟S5 進(jìn)一步包括通過(guò)歐幾里德距離計(jì)算待識(shí)別物體與最相似物體的相似程度，從而待識(shí)別物體識(shí)別為最相似的物體。
10.一種基于多光譜數(shù)據(jù)的物體識(shí)別裝置，其特征在于，包括 獲取模塊，用于獲取待識(shí)別物體的多光譜數(shù)據(jù)；Gabor小波模塊，用于生成多個(gè)三維Gabor小波；卷積模塊，用于將所述多光譜數(shù)據(jù)和所述多個(gè)三維Gabor小波進(jìn)行卷積操作，以得到多個(gè)Gabor響應(yīng)；特征模塊，用于基于所述多個(gè)Gabor響應(yīng)生成多個(gè)識(shí)別Gabor特征， 識(shí)別模塊，用于基于所述多個(gè)識(shí)別Gabor特征識(shí)別所述待識(shí)別物體。
全文摘要
本發(fā)明涉及一種基于多光譜數(shù)據(jù)的物體識(shí)別方法和裝置。所述方法包括S1.獲取待識(shí)別物體的多光譜數(shù)據(jù)；S2.生成多個(gè)三維Gabor小波；S3.將所述多光譜數(shù)據(jù)和所述多個(gè)三維Gabor小波進(jìn)行卷積操作，以得到多個(gè)Gabor響應(yīng)；S4.基于所述多個(gè)Gabor響應(yīng)生成多個(gè)識(shí)別Gabor特征；S5.基于所述多個(gè)識(shí)別Gabor特征識(shí)別所述待識(shí)別物體。實(shí)施本發(fā)明的多光譜數(shù)據(jù)的物體識(shí)別方法和裝置，能夠同時(shí)抽取物體在X-Y平面、光譜Z軸、以及聯(lián)合X、Y、Z空間提取物體的變化信息，特征表述能很好的代表物體特性，并且能很好的抑制數(shù)據(jù)獲取過(guò)程中的噪聲，不需要復(fù)雜的分類器和大量訓(xùn)練數(shù)據(jù)；識(shí)別準(zhǔn)確度更高。
文檔編號(hào)G01S7/48GK102156872SQ201010611248
公開(kāi)日2011年8月17日 申請(qǐng)日期2010年12月29日 優(yōu)先權(quán)日2010年12月29日
發(fā)明者沈琳琳 申請(qǐng)人:深圳大學(xué)