[发明专利]一种目标库属性一维像判别最优本征子空间特征提取方法

摘要

本文公开了一种目标库属性一维像判别最优本征子空间特征提取方法。该方法首先利用所有库属目标的训练一维距离像样本数据建立一个最优本征子空间，抽取目标的最优特征，构建库属目标的特征描述库，对输入目标的库属性进行判别。该方法通过逐层优化建立最优本征子空间，能够更好地描述库属目标和非库属目标的区别信息，从而提高了目标库属性的判别性能。对4类目标的仿真实验验证了方法的有效性。

主权项

1.一种目标库属性一维像判别最优本征子空间特征提取方法，其特征在于，包括以下步骤：S1、令n维列矢量x_ij为第i^th类库属目标的第j^th个训练一维距离像,1≤i≤g，1≤j≤N_i，其中N_i为第i^th类库属目标的训练样本数，N为训练样本总数；S2、利用训练数据集计算协方差矩阵C：对式(1)中的协方差矩阵进行本征分解，获取最大本征值λ_1,max对应的n维本征列向量v_1,max作为子空间变换矩阵中的第一根座标轴a₁：a₁＝v_1,max               (3)令Q₁是n维空间中列向量v_1,max对应的n×(n‑1)维正交补子空间矩阵，即其中T表示向量的转置，0是元素全是零的向量；库属目标的训练样本向矩阵Q₁投影其中为(n‑1)维子空间中的向量，对所有库属目标的计算协方差矩阵C¹对式(6)中的协方差矩阵进行特本征分解，获取最大本征值λ_2,max对应的(n‑1)维本征列向量v_2,max，将其变换到n维空间，作为子空间变换矩阵中的第二根座标轴a₂a₂＝Q₁v_2,max                             (8)同理，获得子空间变换矩阵中的第r(2<r≤n)根座标轴a_ra_r＝Q_r‑1v_r,max                            (9)其中Q_r‑1为矩阵[a₁a₂…a_r‑1]对应的正交补子空间，v_r,max为协方差矩阵C^r‑1的最大本征值λ_r,max对应的本征向量，其中由a₁，a₂，...，a_r组成变换矩阵A＝[a₁ a₂…a_r]                        (13)由于变换矩阵中的每根座标轴对应的本征值都是子空间中最大的，因此，变换矩阵A称为最优本征子空间；S3、将训练一维距离像x_ij向子空间矩阵A投影y_ij＝A^Tx_ij                           (14)其中y_ij即为x_ij对应的最优本征投影矢量。