基于弹性网稀疏编码的空间目标识别

《基于弹性网稀疏编码的空间目标识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、航空学报ActaAerOnauticaetAslronauticaSinicaMay252013V01．34No．51129·1139ISSN1000．6893CN11-1929／Vhttp：Hhkxbbuaaedu．cnhkxb@buaa．edu．cn基于弹性网稀疏编码的空间目标识别史骏1’2，姜志国1’2一，冯昊1’2，张浩鹏1’2，孟钢31．北京航空航天大学宇航学院，北京1001912．数字媒体北京市重点实验室，北京1001913．北京遥感信息研究所，北京100191摘要：传统的特征袋(BoF)模型在目标识别过程中假设每个局部特征点只关联特征词典中一个视觉单词。此外，z。范数

2、约束下的稀疏编码对于具有较强成对相关性的特征通常只选择一个特征，而不关注哪一个特征被选择。本文提出一种基于弹性网稀疏编码的特征袋模型。该模型利用尺度不变特征变换(SIFT)特征描述子构建特征字典，再通过弹性网回归模型求解每个描述子所对应的稀疏系数向量，最后将目标图像内的稀疏系数向量合并用于分类。与传统的特征袋模型和基于z。范数稀疏编码的特征袋模型相比，该模型有较好的识别性能，并对视角变化具有较强的鲁棒性。在空间目标图像数据库上的实验验证了该模型的有效性。关键词：特征袋；z，范数约束；稀疏编码；弹性网回归；空间目标识别；特征提取中图分类号：V19；TP391文献标识码：A文章编号：1

3、000—6893(2013)05—1129—11近年来空间目标识别已经成为各国空间监视的研究热点，如何通过地基和天基观测平台识别出工作和不工作的卫星、火箭残骸以及空问碎片也是许多学者关注的重点问题。在过去的几十年里，研究者们提出了许多针对空间目标的识别算法口≈]，这些算法都是根据图像的几何形状特征和不变矩特征来表述空间目标的全局信息，在实际应用中如果目标的几何轮廓模糊或者成像视角发生变化，这类特征则不能很好地描述目标并用于分类识别。尺度不变特征变换(ScaleInvariantFeatureTransform，SIFT)特征是一类对图像平移、缩放和旋转变换具有不变性，同时对光照变化

4、和仿射投影也具有一定不变性的局部特征描述子[3]。最近，一个基于局部特征的产生式模型即特征袋(Bag—of—Features，BoF)模型被广泛用于目标识别[4。5]。BoF模型对目标图像集中的局部特征描述子进行k均值聚类，这k个聚类中心被看成是k个视觉单词，它们构成了一个特征字典，再对图像内的局部特征点进行矢量量化(VectorQuanti-zation，VQ)，从而每幅图像可以表示成一个关于k个视觉单词的频率直方图。尽管BoF模型利用字典和单词有效地表达了目标图像的语义特征，但是BoF模型本质上认为每个局部特征点只与一个视觉单词有关，忽略了局部特征点与其他视觉单词之间存在的相关

5、性。因此，BoF模型的图像表示不是最优的，同时也缺少鉴别信息。近些年，基于稀疏表示的识别方法受到越来越多的关注[6。8]。常见的稀疏表示可以理解为利用过完备字典中特征样本与稀疏系数的线性组合重构原始收稿日期：2012—06—11；退修日期：2012—11—23；录用日期：2012-12-19；网络出版时间：2013-01—0910：22网络出版地址：WWWcnki．net／kcms／detail／111929V20130109．1022．002．html基金项目：国家自然科学基金(61071137，61071138，61027004)；国家“973”计划(201008327900)

6、*通讯作者Tel：010-82338061E-mail：jiangzg@buaaeduca引用格武；ShiJ．JiangZG，FengH．eta1．Elasticnetsparsecoding-basedspaceobjectrecognition．ActaAeronauticaetAstronauticaSini—ca，2013，34(5)：1129-1139i吏骏，姜志国．冯昊．等．基f弹性嚼稀疏编码的空蜀目标识痢航空学报．2013．34(5)：{129—1139航空学报样本，这些稀疏系数大部分为零，只有少部分非零。而这些非零的系数通常具有有利于分类的鉴别信息[9]。通过求解最

7、小化z，范数的优化问题，就可以获得稀疏系数。但是，对于一组具有较强成对相关性的特征，z，范数最小化问题通常只选择一个特征，并且很少在意哪～个特征被选择‘1⋯。本文主要针对BoF模型和z，范数最小化问题存在的不足，提出了一种基于弹性网(ElasticNet)稀疏编码的BoF模型。其基本思想是，利用目标图像集的SIFT特征描述子构造出特征词典，再通过弹性网回归模型建立特征描述子与特征词典中视觉单词的关系，从而形成每幅图像的最终表示。在空间目标图像数据库(BUAA—SIDl