[发明专利]一种基于多任务拓扑学习的航拍图像快速识别系统及其快速识别方法

摘要

本发明公开了一种基于多任务拓扑学习的航拍图像快速识别系统及其快速识别方法，其特征包括特征构建模块、拓扑特征构建模块、拓扑特征投影模块、多任务拓扑学习模块、特征选择模块和分类识别模块；特征构建模块用于获取航拍图像和训练航拍图像的拓扑特征矩阵；拓扑特征构建模块用于获得训练航拍图像的拓扑特征投影矩阵；多任务拓扑学习模块用于获得航拍图像的拓扑字典；特征选择模块用于获得训练航拍图像的特征选择二元组；分类识别模块用于构建拓扑Boosting学习模型并实现目标航拍图像的分类。本发明采用多任务学习框架能够快速识别航拍图像的图像分类，提高了分类精度和效率。

主权项

一种基于多任务拓扑学习的航拍图像快速识别系统，其特征是包括：特征构建模块、拓扑特征构建模块、拓扑特征投影模块、多任务拓扑学习模块、特征选择模块和分类识别模块；所述特征构建模块根据所设定的N个图像分类，分别获取每个图像分类下的若干个分类标签，并分别获取每个图像分类下的若干个包含自身标签的训练航拍图像；所述特征构建模块获取一个待识别的目标航拍图像；由所述目标航拍图像和所述训练航拍图像构成航拍图像；利用简单线性迭代聚类SLIC分割方法对所述航拍图像中的每个航拍图像分割成为多个区域元，并构成区域元集合；对所述区域元集合利用概率SVM分类器方法计算每个区域元的信息熵，并衡量每个区域元的信息熵是否小于所设定的信息熵阈值；从所述区域元集合中去除小于所述信息熵阈值的区域元，从而生成优化后的区域元集合；根据所述优化后的区域元集合中各区域元在所述航拍图像中的位置信息，以及由位置信息获得的任意两个相邻的区域元所生成的一条连接边，构建所述航拍图像中的每个航拍图像的区域分布图；由所述每个航拍图像的区域分布图生成若干个区域邻接子图；由所述区域邻接子图中各区域元的位置信息及连接边构成所述区域邻接子图各自的拓扑结构；由所有的区域邻接子图构成每个航拍图像的区域邻接图；利用子图特征构建方法和核主成分分析法对所述每个航拍图像的若干个区域邻接子图进行处理，分别获得每个航拍图像的若干个区域邻接子图的特征向量，每个区域邻接子图的特征向量与各自所对应的区域邻接子图的拓扑结构一一对应；由所述每个航拍图像的若干个区域邻接子图的特征向量构成所述航拍图像中各自航拍图像的特征矩阵；所述航拍图像的特征矩阵包括目标航拍图像的特征矩阵和训练航拍图像的特征矩阵；所述拓扑特征构建模块将所述训练航拍图像的特征矩阵中具有相同拓扑结构的特征向量进行融合处理，获得所述训练航拍图像的拓扑特征矩阵；从而获得所述每个图像分类下的所有训练航拍图像的拓扑特征矩阵；所述拓扑特征投影模块根据所述若干个分类标签以及所述每个训练航拍图像的自身标签和拓扑特征矩阵，获得所述每个航拍图像分类下的训练航拍图像的拓扑特征投影矩阵；所述多任务拓扑学习模块利用多任务学习框架以及主成分分析方法对所述拓扑特征投影矩阵进行迭代，从而获得所述训练航拍图像的拓扑编码矩阵；利用F‑范式对所述拓扑编码矩阵的行向量进行计算，获得的计算结果按降序进行排序，选择前S个行向量所对应的拓扑结构，构成所述航拍图像的拓扑字典；所述特征选择模块根据所述拓扑字典中各拓扑结构与所述航拍图像的特征矩阵中各特征向量对应的拓扑结构进行匹配，若匹配成功，则由所述航拍图像的特征矩阵中匹配成功的特征向量构成所述航拍图像的特征选择向量；所述航拍图像的特征选择向量包括目标航拍图像的特征选择向量和训练航拍图像的特征选择向量；由每个训练航拍图像的特征选择向量及所述训练航拍图像各自所对应的图像分类，构成每个训练航拍图像的特征选择二元组；所述分类识别模块对所述拓扑字典采用SVM分类器构建多个分类模型；并根据所述训练航拍图像的特征选择二元组采用概率SVM方法获得优化的多个分类模型；由所述优化的多个分类模型构建拓扑Boosting学习模型；将所述目标航拍图像的特征选择向量输入到所述拓扑Boosting学习模型中，从而获得所述目标航拍图像的分类。