[发明专利]一种基于空间金字塔随机映射的地基云图分类方法

权利要求书

1.一种基于空间金字塔随机映射的地基云图分类方法，其特征在于，该方法包括以下步骤：

步骤1，对于每张训练地基云图样本按照稠密采样的方式提取其局部特征，利用局部图像的强度值作为图像的局部特征；

步骤2，利用随机映射对每个局部特征进行降维，将原始高维特征集合映射到一个低维的子空间中；

步骤3，在低维子空间对降维后的特征集合进行聚类得到码本D；

步骤4，将训练地基云图样本按空间金字塔模型划分为不同的区域，并将金字塔中每一级称为一个尺度；然后根据码本D得到不同区域的区域特征，将这些区域特征组合起来作为该样本图像最终的特征表示；

步骤5，对于测试地基云图，按照所述步骤4得到所述测试地基云图的最终特征表示；

步骤6，基于所述训练地基云图样本的最终特征表示和所述测试地基云图的最终特征表示，应用支持向量机（SVM）分类器对所述测试地基云图进行分类，得到所述测试地基云图的分类结果。

2.根据权利要求1所述的方法，其特征在于，所述步骤2中，利用随机映射进行降维，将原始高维特征集合映射到一个低维的子空间中，公式如下：

                                                                                                                  

其中x表示原始N维特征向量，y表示降维后的M维特征向量，M<<N，M和N均为自然数，表示一个随机矩阵，为高斯随机矩阵，元素为相互独立且为零均值单位方差的高斯随机变量，R表示实数；

在压缩传感过程中，用随机矩阵对高维特征向量进行降维得到低维的随机特征向量，此过程称为随机映射，根据上述描述得到低维特征向量集合Y={y_i}。

3.根据权利要求1-2其中任一项所述的方法，其特征在于，所述步骤3中，利用K-means算法对地基云图的局部特征集合Y进行聚类，然后将聚类中心作为码本D。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述步骤4按如下步骤进行：

1）将训练地基云图样本按空间金字塔模型划分为不同的区域，并将金字塔中每一级称为一个尺度；将图像划分为三级，第一级为原始图像，第二级是将图像划分为大小相等的四个图像块，第三级是将图像划分为大小相等的九个图像块；

2）针对每一级的每一个图像块，根据码本D，将该图像块中的每个局部特征映射到与其最近的码字上，然后计算码本D中所有码字在该图像块出现次数的直方图，将其作为该图像块的区域特征；

3）将这些图像块的区域特征串联组合作为该地基云图样本最终的特征表示。