(19)中华人民共和国国家知识产权局
(12)发明专利说明书 | ||
(10)申请公布号 CN 108764349 A (43)申请公布日 2018.11.06 | ||
(21)申请号 CN201810541539.6
(22)申请日 2018.05.30
(71)申请人 广东工业大学
地址 510060 广东省广州市越秀区东风东路729号
(72)发明人 程良伦 陈仿雄
(74)专利代理机构 北京集佳知识产权代理有限公司
代理人 张春水
(51)Int.CI
权利要求说明书 说明书 幅图 |
(54)发明名称
一种基于D-S证据理论的特征融合识别方法及装置 | |
(57)摘要
本发明公开了一种基于D‑S证据理论的特征融合识别方法及装置，结合不变矩所具有的旋转、缩放和平移的不变性以及HOG特征，利用D_S证据理论组合不完全、不确定的优势，根据决策规则得到最终的识别，有效提高对于低质图像的识别准确度，相比于单一特征识别更具有鲁棒性。 | |
法律状态
法律状态公告日 | 法律状态信息 | 法律状态 |
2018-11-30 | 实质审查的生效 | 实质审查的生效 |
2018-11-06 | 公开 | 公开 |
2022-02-15 | 授权 | 发明专利权授予 |
权 利 要 求 说 明 书
1.一种基于D-S证据理论的特征融合识别方法,其特征在于,包括:
对训练样本图像和测试图像进行几何归一化,对图像进行γ校正,对图像进行差分高斯滤波,对图像进行对比度均衡化;
提取所述训练样本图像和所述测试图像的不变矩特征,并根据所述不变矩特征建立不变矩特征基本概率分配函数;
提取所述训练样本图像和所述测试图像的HOG特征,并根据所述HOG特征建立HOG特征基本概率分配函数;
通过改进D-S合成规则,对所述不变矩特征基本概率分配函数和所述HOG特征基本概率分配函数进行合成,得到信任度,所述改进D-S合成规则具体为:
其中,m(C)为信任度,K为修正系数,m
1
(A
i
)
为所述不变矩特征基本概率分配函数,m
2
(B
j
)为所述HOG特征基本概率分配函数,k=1/K,确定满足判别规则的信度值为最终的识别结果。
2.根据权利要求1所述的基于D-S证据理论的特征融合识别方法,其特征在于,所述提取所述训练样本图像和所述测试图像的不变矩特征,并根据所述不变矩特征建立不变矩特征基本概率分配函数具体包括:
计算与至少一个训练样本图像一一对应的训练不变矩特征矢量集,以及测试图像对应的测试不变矩特征矢量,其中,每一个训练样本图像对应有七个训练不变矩特征矢量,每一个测试图像对应有七个测试不变矩特征矢量,通过所述七个训练不变矩特征矢量和所述七个测试不变矩特征矢量计算各所述训练样本图像和所述测试图像之间的欧氏距离,并确定各欧氏距离中的最小欧氏距离为与所述测试图像对应的最小距离,对所述最小距离进行归一化,并构造满足D-S证据理论的基本概率分配;
其中,所述基本概率分配具体为:
其中,a为预设常数。
3.根据权利要求2所述的基于D-S证据理论的特征融合识别方法,其特征在于,所述对所述最小距离进行归一化具体包括:
通过第一预设公式对所述最小距离进行归一化,所述第一预设公式具体为:
其中,d
i
(min)为所述最小距离,ni为所述训练样本图像的数量,d
j
为各所述训练样本图像和所述测试图像之间的欧氏距离,d
i
为归一化后的最小距离。
4.根据权利要求3所述的基于D-S证据理论的特征融合识别方法,其特征在于,所述提取所述训练样本图像和所述测试图像的HOG特征,并根据所述HOG特征建立HOG特征基本概率分配函数具体包括:
构造满足多分类要求的LR分类器,提取每一个所述训练样本图像的HOG特征,并将所述HOG特征输入到所述LR分类器中进行训练,得到最优的参数,将所述参数代入HOG基本概率分配函数,将所述测试图像输入到所述HOG基本概率分配函数中,得到对应的概率值。
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论