[发明专利]船舶类别识别方法及系统

权利要求书

1.一种船舶类别识别方法，其特征在于，包括：

获取待识别船舶图像；

将所述待识别船舶图像输入至船舶类别识别模型，得到由所述船舶类别识别模型输出的待识别船舶的类别；

其中，所述船舶类别识别模型基于船舶图像样本集合中的训练样本集合训练得到，所述训练样本集合中包含有不同背景下不同类别的船舶图像训练样本；

所述船舶类别识别模型用于提取所述待识别船舶图像的方向梯度直方图HOG特征，基于主成分分析法以及灰色关联度分析算法，确定每一类别的船舶图像的HOG特征的具有最大可分性的特征值以及对应的特征向量，并基于所述特征值以及对应的特征向量，对所述待识别船舶的类别进行识别。

2.根据权利要求1所述的船舶类别识别方法，其特征在于，所述提取所述待识别船舶图像的方向梯度直方图HOG特征，具体包括：

将所述待识别船舶图像转换为灰度图像，并进行颜色标准化处理；

计算颜色标准化处理结果中每个像素点处的水平方向梯度以及竖直方向梯度，并确定所述颜色标准化处理结果中每个像素点处的梯度幅值和梯度方向；

将所述颜色标准化处理结果进行分块处理，并基于所述梯度幅值和所述梯度方向，对所述颜色标准化处理结果中的每一块的特征向量进行归一化，基于所述颜色标准化处理结果中所有块的特征向量的归一化结果确定所述HOG特征。

3.根据权利要求1所述的船舶类别识别方法，其特征在于，所述基于主成分分析法以及灰色关联度分析算法，确定每一类别的船舶图像的HOG特征的具有最大可分性的特征值以及对应的特征向量，具体包括：

基于主成分分析法，确定每一船舶图像训练样本的HOG特征的特征值矩阵和特征向量矩阵；

基于灰色关联度分析算法，确定不同类别的船舶图像训练样本的HOG特征的特征值之间的可分性大小，并确定每一类别的船舶图像训练样本的HOG特征的具有最大可分性的特征值以及对应的特征向量。

4.根据权利要求3所述的船舶类别识别方法，其特征在于，所述基于主成分分析法，确定每一船舶图像训练样本的HOG特征的特征值矩阵和特征向量矩阵，具体包括：

将所述训练样本集合中的所有船舶图像训练样本的HOG特征进行中心化操作，确定每一船舶图像训练样本的HOG特征投影变换后的投影坐标，并基于所述投影坐标，确定每一船舶图像训练样本的HOG特征对应的重构HOG特征；

计算每一船舶图像训练样本的HOG特征与对应的重构HOG特征之间的距离，基于所述距离，确定优化目标；所述优化目标中包含有每一船舶图像训练样本的HOG特征的协方差矩阵；

确定所述协方差矩阵的特征值和对应的特征向量，所述协方差矩阵的所有特征值构成所述特征值矩阵，所述协方差矩阵的所有特征值对应的特征向量构成所述特征向量矩阵。

5.根据权利要求3所述的船舶类别识别方法，其特征在于，所述基于灰色关联度分析GRA算法，确定不同类别的船舶图像训练样本的HOG特征的特征值之间的可分性大小，具体包括：

基于每一船舶图像训练样本对应的船舶的类别，构造整体特征值矩阵，所述整体特征值矩阵中每一元素为一个类别的船舶图像训练样本的HOG特征的特征值矩阵的转置；

基于所述整体特征值矩阵的不同元素中相同背景下所述特征值矩阵中相同位置处的特征值，确定不同类别的船舶图像训练样本的HOG特征的特征值之间的可分性大小。

6.根据权利要求3所述的船舶类别识别方法，其特征在于，所述船舶图像样本集合中还包括测试样本集合，所述测试样本集合中包含有不同背景下不同类别的船舶图像测试样本，所述船舶图像训练样本的数量与所述船舶图像测试样本的数量相等；

所述船舶图像测试样本用于对经所述训练样本训练后的船舶类别识别模型进行测试，以确定经所述训练样本训练后的船舶类别识别模型的识别率。