[发明专利]一种基于超图低秩表示的复杂动态系统感知特征融合方法

权利要求书

1.一种基于超图低秩表示的复杂动态系统感知特征融合方法，其特征在于，该方法包括以下步骤：

步骤一，使用智能体中红外传感器和可见光传感器采集的图像数据作为主要融合对象，使用国际公共数据TNO数据集；针对两种不同模态的信息，构造两个超图，并计算每个超图的相关矩阵H^(m)，其中m表示不同模态的图像，m＝1，2，分别表示红外图像和可见光图像；

步骤二，将超图相关矩阵串联，求取统一的超图拉普拉斯矩阵；

步骤三，将得到的超图拉普拉斯矩阵构造正则项，并引入到潜在低秩表示模型框架中，得到高阶超拉普拉斯潜在低秩表示模型；

步骤四，对高阶超拉普拉斯潜在低秩表示模型使用自适应惩罚线性化交替方向方法迭代求解，得到不同模态图像的基础部分X_mZ_m和显著部分L_mX_m，同时对噪声部分E_m进行舍弃；

步骤五，将高阶超拉普拉斯潜在低秩表示模型分解后的基础部分图像F_a1＝X₁Z₁和F_a2＝X₂Z₂进行融合，得到基础部分融合图像F_a；

步骤六，将高阶超拉普拉斯潜在低秩表示模型分解后的显著部分图像F_b1＝L₁X₁和F_b2＝L₂X₂进行融合，得到显著性部分融合图像F_b；

步骤七，将F_a和F_b进行融合，得到最终融合图像F。

2.根据权利要求1所述的方法，其特征在于，所述步骤一中，构造超图的方法如下：

对于每种模态m的特征描述，构造每个超图G^(m)＝(v^(m)，ε^(m)，w^(m))，m＝1，2；其中v^(m)表示顶点集，数据集中的每个样本对应超图中的一个顶点；ε^(m)表示超边集，在该超图中，依次以每个顶点为中心，找到与其最近的k个点构建对应的超边，每条超边对应一个中心点，且每条超边链接k个顶点；w^(m)表示超边的权重值集合，每个超边的权重用w(e_j)表示；超图G^(m)的相关矩阵N表示超图G的顶点数，等价于N＝|v|；N_e表示超边的总数，等价于N_e＝|ε|；H^(m)中的元素h_ij表示顶点v_i是否与超边e_j中的顶点连接，计算公式如下：

分别使用如下公式计算超图中顶点的度d(v_i)和超边的度d(e_j)：

3.根据权利要求1或2所述的方法，其特征在于，所述步骤二的具体过程如下：

设D_v是包含顶点度的对角矩阵，D_e为超边度的对角矩阵，W为超边权值的对角矩阵，同时将获得的超图相关矩阵使用串联的方式拼接在一起，即然后求取统一的超图拉普拉斯矩阵L，计算公式如下：

其中，表示的转置矩阵，I为单位矩阵。