[发明专利]一种基于上下文信息传播局部回归核的目标识别方法

说明书

本发明提出一种基于上下文信息传播局部回归核的目标识别方法。在给定的模板图像中利用局部回归核获取局部结构信息，同时考虑局部区域的上下文信息，通过上下文的信息和局部信息的相互关系，在目标图像中搜索和模板图像相似的特征区域；在此基础上，为了减少特征数据量的冗余，利用局部保留投影对图像特征进行降维，采用余弦矩阵相似度量相关特征之间的相似性，寻找相似的特征区域；最后利用非极大值抑制方法抑制不显著的区域特征，得到最终的识别结果。本发明提高了目标识别的准确度和识别效率。

技术领域

本发明属于图像理解领域，具体涉及一种基于上下文信息传播局部回归核的目标识别方法。

背景技术

目标识别在夜视图像(包括微光、红外图像)理解分析方法发挥着重要作用，它也在机器视觉应用中起着重要的作用。

文献一(Dalal N，Triggs B.Histograms of oriented gradients for humandetection，Computer Vision and Pattern Recognition，2005，1:886-893.)等人提出了方向梯度直方图的方法，该方法利用方向梯度直方图，可以有效地识别目标，但是对微光图像并没有很好地识别目标，噪声比较严重。

文献二(P.F.Felzenszwalb，R.B.Girshick，D.McAllester，D.Ramanan.Objectdetection with discriminatively trained part-based models，Pattern Analysisand Machine Intelligence，vol.32，pp.1627-1645，2010.)等人提出了编码训练的方法，利用训练的判别模型，可以有效地识别目标，但是需要训练样本，数据量大，计算复杂。

文献三(H.J.Seo，P.Milanfar.Training-free,Generic Object Detectionusing Locally Adaptive Regression Kernels,IEEE Trans on Pattern Analysis andMachine Intelligence,vol.32,no.9,pp.1688-1704,2010.)利用局部回归核的方法，但只是单单利用局部回归核，并没有考虑上下文信息，在识别过程中容易出现大量未识别的目标。因此识别效率低，无法更好地应用于微光图像。

发明内容

本发明提出一种基于上下文信息传播局部回归核的目标识别方法，提高了目标识别的准确度和识别效率。

为了解决上述技术问题，本发明提供一种基于上下文信息传播局部回归核的目标识别方法，包括以下步骤：

步骤一：给定一幅查询图像Q^(m*n)和一幅目标图像T^(M*N)；查询图像Q^(m*n)的大小为m*n，m,n∈[1,100]；目标图像T^(M*N)的大小为M*N，M,N∈[256,1000]；分别计算查询图像Q^(m*n)的局部回归核K_Q(·)和目标图像T^(M*N)的局部回归核K_T(·)；

步骤二：计算局部回归核K_Q(·)和K_T(·)的上下文信息cpm_Q和cpm_T；用上下文信息cpm_Q和cpm_T分别表示查询图像Q^(m*n)和目标图像T^(M*N)局部回归核的中心区域和周边区域的上下文信息；分别加权上下文信息cpm_Q和cpm_T并归一化得到查询图像Q^(m*n)的特征W_Q和目标图像T^(M*N)的特征W_T；