[发明专利]一种基于SIFT和稀疏编码的图像识别方法

权利要求书

1.一种基于SIFT和稀疏编码的图像识别方法，其特征在于：包括如下步骤：

步骤10、从RGB-D对象的每个图像上分别提取密集SIFT特征以及像素块特征；

步骤20、根据提取到的密集SIFT特征，采用K-SVD算法计算SIFT特征字典，并采用匹配追踪MP算法求解SIFT的稀疏编码，得到第一图像特征；

步骤30、采用K-SVD学习像素块的字典，并利用OMP算法得到像素的稀疏编码，通过最大池化算法得到单元特征，将复数个单元特征连接为块特征，计算基于块特征的稀疏编码，将块特征和对应的稀疏编码链接得到第二图像特征；

步骤40、采用金字塔池化算法分别应用于第一图像特征和第二图像特征，链接所有特征，得到融合后的图像特征进行图像识别；

上述步骤20和步骤30不分先后进行。

2.根据权利要求1所述的一种基于SIFT和稀疏编码的图像识别方法，其特征在于：所述步骤10中的密集SIFT特征的提取方式为：在图像上每隔四像素提取一个图像块，每一图像块提取一个SIFT特征；

所述密集SIFT特征的矩阵表示为：Y＝{y₁,y₂,…,y_u}，其中，y_i是第i个SIFT特征，u是图像块个数。

3.根据权利要求1所述的一种基于SIFT和稀疏编码的图像识别方法，其特征在于：所述步骤20中SIFT的稀疏编码的求解过程如下：

步骤21、在每张图片上采集到复数个SIFT特征，用Y_s＝{y_s1,y_s2,y_s3,…,y_sp}表示样本矩阵，用D_s＝{d_s1,d_s2,…,d_sm}∈R^h×m表示经学习得到的SIFT特征字典，其中，d_si为学习得到的字或者基，X_s＝{x_s1,x_s2,…x_sp}∈R^p×m为稀疏编码，其中x_s代表y_s的稀疏编码；

步骤22、通过下面的公式计算字典:

其中，||.||_F代表F范数，||.||₀表示向量中的非零元素个数，o是一个非零数，表示稀疏水平的上限；

步骤23、在SIFT特征字典的计算过程中采用K-Means算法生成初始SIFT特征字典D；

步骤24、将字典求解问题分解为复数个子问题进行分步求解，具体的采用如下公式进行:

采用SVD分解算法来分步更新优化字典，对于第i个字的更新优化过程如下：

其中，表示X_s的行，E_i表示残差矩阵，优化后的字d_i和优化的系数是将SVD算法应用于残差矩阵E_i得到的，更新时利用基中所涉及的行，重复这个过程直到收敛或者达到预设的迭代次数；

步骤25、利用最终更新得到的SIFT特征字典采用匹配追踪算法求解SIFT的稀疏编码，得到第一图像特征。

4.根据权利要求1所述的一种基于SIFT和稀疏编码的图像识别方法，其特征在于：所述步骤30进一步包括：

步骤31、采用K-SVD学习像素块的字典；

步骤32、采用OMP算法得到像素的稀疏编码；

步骤33、采用最大池化算法得到单元特征；

步骤34、将复数个单元特征连接为块特征，所述块特征包括颜色块特征，深度块特征和表面法向量块特征；

步骤35、计算基于块特征的稀疏编码；

步骤36、将块特征和对应的稀疏编码链接得到第二图像特征，所述第二图像特征P_v表示为：P_v＝{p_v1,p_v2,...,p_v3}，其中，v表示颜色、深度或法向量。

5.根据权利要求4所述的一种基于SIFT和稀疏编码的图像识别方法，其特征在于：所述步骤40具体如下：金子塔池化采用3×3，2×2，1×1三层，共划分为14个子区域，在每个子区域上用最大池化算法求得子区域特征HP_vb，b＝1，2，…，14；

设Θ_v＝{HP_v1,HP_v2,...,HP_v14}，其中v表示颜色，深度和表面法向量，则融合后的物体图像特征表示为：

ψ＝{Θ_rgb,Θ_depth,Θ_normal,φ}；

之后将ψ除以进行归一化处理得到最终融合的图像特征，其中ε＝0.001。