[发明专利]一种基于SIFT和稀疏编码的图像识别方法

说明书

本发明提供一种基于SIFT和稀疏编码的图像识别方法，包括：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；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；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；采用金字塔池化算法链接所有特征，得到融合后的图像特征进行图像识别。采用本发明的图像识别方法，可以提高图像识别准确率。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于SIFT和稀疏编码的图像识别方法。

背景技术

基于RGB-D信息的物体识别在计算机视觉和机器视觉领域是一个很重要的课题，并且有了相关应用比如人脸识别，手势识别，文字识别和车辆识别。

目前基于传统算法的物体识别算法中，很多只在初始阶段使用SIFT提取物体特征再结合稀疏编码，识别效果不佳。比如现有的申请号为201510567889.6的中国专利——基于归一化非负稀疏编码器的图像快速特征表示方法，以及申请号为201510874639.7的中国专利——基于多方向上下文信息和稀疏编码模型的图像分类方法，基于这些方法可以有效提取物体梯度信息但是会忽略颜色和形状等特征。还有一些算法直接从图像用稀疏编码提取物体特征的如HMP算法，这种算法可以有效提取图像中物体的颜色和形状信息，但是这种算法会忽略物体梯度信息，在特征提取以及识别上准确率不高，不能很好的识别智能家居中生活常见物体。

发明内容

本发明要解决的技术问题，在于提供一种基于SIFT和稀疏编码的图像识别方法，提高图像识别准确率。

本发明是这样实现的：一种基于SIFT和稀疏编码的图像识别方法，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。

进一步的，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。

进一步的，所述步骤20中SIFT的稀疏编码的求解过程如下：