[发明专利]一种复杂车路环境的偏振特征多尺度池化分类算法

权利要求书

1.一种复杂车路环境的偏振特征多尺度池化分类算法，其特征在于：包括以下步骤：

1)获取并分析车路环境介质信息；

2)设计偏振成像方案，构建三通道成像系统得到偏振图像特征；

所述的步骤2)具体包括以下步骤：设计三通道并列排布成像光路，每个通道均由CCD探测器和偏振片构成；在xoy平面，β为偏振片方向与x轴夹角，将β分别取0°、60°和120°，实时获取同一场景的三个不同偏振方向的光强图像，对获取到的不同偏振方向的光强图像进一步计算得到Stokes的三个参量I、Q、U参量信息和车路环境目标的偏振信息；

3)利用多尺度池化算法对偏振图像特征进行融合；

步骤3)具体包括以下步骤：使用VGG16网络模型作为预训练模型，用多尺度池化结构代替网络的最后一层普通池化层，融合复杂车路目标不同尺度的多个偏振图像特征；采用迁移学习的方法完成训练，将学习过Image Net数据集的VGG16网络模型迁移过来作为预训练模型，通过学习数据样本对网络参数进行修正，将VGG16网络模型最后三个全连接层转换成卷积层完成特征信息提取；

4)输出车路环境目标识别与分类结果。

2.根据权利要求1所述的复杂车路环境的偏振特征多尺度池化分类算法，其特征在于：所述步骤2)利用VS2013平台结合Opencv实现动态采集偏振车路图像的实时采集，每次同时采集由0°、60°和120°偏振方向计算所得的五幅偏振车路图像，依次为Stokes参量I、Q、U对应的图像以及偏振度Dop与偏振角θ对应的图像。

3.根据权利要求1所述一种针对复杂车路环境的偏振特征多尺度池化分类算法，其特征在于：所述的步骤3)利用多尺度池化结构代替VGG16网络模型的最后一层普通池化层pool5，通过多个不同尺度的池化层来提取偏振图像不同尺度的细节特征，实现复杂车路目标不同尺度的多个偏振细节特征融合。

4.根据权利要求1所述一种针对复杂车路环境的偏振特征多尺度池化分类算法，其特征在于：步骤4)通过上采样得到路环境目标识别与分类结果。

5.根据权利要求4所述一种针对复杂车路环境的偏振特征多尺度池化分类算法，特征在于：采用双线性插值方法进行上采样来还原输入图像尺寸，并将其输入到Softmax分类器中，最后得到路环境目标识别与分类结果。