[发明专利]基于改进字典学习的多源图像目标关联方法

摘要

本发明公开了基于改进字典学习的多源图像目标关联方法，属于情报数据处理领域，主要解决现有多源情报数据融合中，图像目标关联先识别再关联存在的信息损失、步骤冗余的问题。首先收集多种信源对同一场景或同一目标的图像数据集，形成原始数据集；利用改进字典学习方法对多源图像进行统一稀疏表示，通过在目标函数中引入标签信息，增加字典集特征的表征判别能力；构建神经网络对各图像的稀疏表示和标签信息进行学习，得到关联和非关联目标间距离度量标准，代替传统距离度量方式，完成关联判别模型的建立。该方法充分利用图像的特征信息，避免了现有方法的步骤冗余，具有模型生成速度快、信息损失少、实用效果好等优点。

主权项

1.基于改进字典学习的多源图像目标关联方法，其特征在于，包括以下步骤：步骤1，数据集收集和预处理阶段收集多种信源对同一场景或同一目标的图像数据集，并对多源图像数据集进行人工标记分析，存储图像数据集和人工标记结果，形成有标签多源图像目标关联原始数据集S；步骤2，统一字典集生成阶段利用改进字典学习的方法对原始数据集S中所有图像数据进行字典学习，生成多源图像共同字典集D＝[d₁,d₂,…d_k]；步骤3，表征学习阶段利用多源图像共同字典集D对多源图像目标关联原始数据集S中的多源图像数据进行统一稀疏表示，生成各多源图像数据的稀疏系数集X，与原始数据集中的标签信息共同形成多源图像目标关联判别数据集S'；步骤4，分类学习阶段建立多源图像目标关联判别模型，利用步骤3中多源图像目标关联判别数据集S'中的数据和标签进行学习、训练，得到训练好的关联判别模型。