[发明专利]一种有噪环境下的场景识别方法

摘要

本发明的涉及一种有噪环境下的场景识别方法技术领域，包括以下步骤：1)利用传感器获取场景图像，内含标记的样本；2)分别对场景的彩色图像和深度图像(depth image)进行特征提取和特征表达，合并同一组的彩色图像特征和深度图像(depth image)特征；3)选择特征选择算法对标记的样本用第2步得到的特征获取特征选择模型；4)采用分类器进行分类。本发明的有益效果是在有噪环境下对场景进行准确识别，保证了在样本混入噪声以后同样也具有一定辨识能力；因此就改善了室内场景数据集中混有噪声情况下的性能。

主权项

1.一种有噪环境下的场景识别方法，其特征在于，包括以下步骤：1)利用传感器获取场景图像，内含标记的样本；2)分别对场景的彩色图像和深度图像depth image进行特征提取和特征表达，合并同一组的彩色图像特征和深度图像depth image特征；3)选择特征选择算法对标记的样本用第2步得到的特征获取特征选择模型；特征选择算法为流形柯西学习算法，具体步骤如下：对于一个给定的样本x_i属于样本集合X＝[x₁,x₂,...x_n]∈R^D×N这里N是样本个数，D是样本的原始维数，R代表在实数空间，其对应的低维样本y_i属于样本集合Y＝[y₁,y₂,...y_n]∈R^d×N这里d是降维后的维数，找到K个最近邻的同类和不同类的样本其中，有k₁个是和x_i同类的样本，剩下的k₂个是和x_i不同类的样本，其中K＝k₁+k₂，分别用和表示这两组样本；对于整个x_i的局部块表示为：其中表示D×(k₁+k₂+1)维的线性空间，对应的低维表达是在一个新得到的低维局部块内，达到同类样本间的距离足够的近而不同类样本间的距离足够的远，因此得到优化函数表示如下：α是尺度因子，用来控制类内样本和类间样本的影响；定义一个系数向量ωi：利用定义的系数向量，(1)式就会被化简成以下的形式：tr(·)表示的是迹运算,式中的下面引入选择矩阵(Si)pq：因此，得到低维表达Yi＝YSi，目标函数(2)改写为：引入了柯西估计理论，来克服噪声带来的影响，(4)式变为以下的形式：c是用来权衡噪声的系数；由于存在Y＝UTX关系，(5)式简化为：为了在低维的空间表示出来的样本之间的距离较远，对于每个样本来说就表示为：每个低维空间的样本与所有样本类中心的距离足够的远，表示为以下的目标函数：就是所有样本的类中心，即为了避免发生过拟合的情况，加入了二范数，那么整合所有上述的情况，就写成以下的目标函数：这里的C1和C2是正则化系数；为了使(8)有唯一解，给定限定条件是UTU＝I；投影矩阵U通过迭代的方法和特征值的求解方法解出来；4)采用分类器进行分类。