详情

原文传递船舶废气光谱图像分割与污染预测方法

专利名称：	船舶废气光谱图像分割与污染预测方法
摘要：	本发明公开了船舶废气光谱图像分割与污染预测方法，包括分割废气光谱图像，构建特征相似矩阵，求取投影矩阵，求取投影后的特征向量，求取距离度量矩阵，求取距离度量变换后的特征向量，重新构建特征相似矩阵，求取综合相似矩阵的拉普拉斯矩阵，获取废气光谱图像的污染程度共9个步骤。本发明利用半监督学习的思路，只需要对废气光谱图像进行少量的标注，即可实现整个图像的分割与污染程度的预测。
专利类型：	发明专利
国家地区组织代码：	安徽;34
申请人：	安徽优思天成智能科技有限公司
发明人：	李泽瑞;杜晓冬;吕文君
专利状态：	有效
申请日期：	2019-08-16T00:00:00+0800
发布日期：	2019-11-26T00:00:00+0800
申请号：	CN201910758475.X
公开号：	CN110501290A
代理机构：	合肥汇融专利代理有限公司
代理人：	赵宗海
分类号：	G01N21/25(2006.01);G;G01;G01N;G01N21
申请人地址：	230088 安徽省合肥市高新区创新大道2800号创新产业园二期E1栋318室
主权项：	1.船舶废气光谱图像分割与污染预测方法，其特征在于：步骤1：利用超像素分割算法SLIC对废气光谱图像进行分割，对每个超像素抽取颜色与纹理特征构建样本集合X＝{x1,x2,···,xi,···,xn}，n为样本的总数，为正整数，表示实数域，d表示特征维度，为正整数；步骤2：构建特征相似矩阵S1，具体如下：其中，e为自然常数，为S1中的元素，i、j取自{1,2,···,n}，N1(xi)表示在特征向量的欧式距离度量下距离xi最近的k个样本点集合，k为正整数，N1(xj)表示在特征向量的欧式距离度量下距离xj最近的k个样本点集合，t1>0为高斯核宽度；步骤3：求取投影矩阵W，具体通过优化以下方程获取：其中，为投影矩阵，m为一正整数，上标T表示转置；步骤4：求取投影后的特征向量得到采用聚类算法将聚为l个簇，并从每个簇中选择一个样本进行标注，则得到为有标注样本集合，为无标注样本集合，其中n＝u+l为正整数，标注的内容为这个超像素的污染程度；步骤5：求取距离度量矩阵A，具体通过优化minA J(A)获取，其中，其中，为异类下标对的集合，为同类下标对的集合，Ni为距离最近的k个样本的集合，ξ为一个大于0的常数；步骤6，求取距离度量变换后的特征向量得到步骤7：重新构建特征相似矩阵S1，具体如下：其中，为S1中的元素，i、j取自{1,2,···,n}，表示在特征向量的欧式距离度量下距离最近的k个样本点集合，表示在特征向量的欧式距离度量下距离最近的k个样本点集合，t1>0；构建空间相似矩阵S2定义如下：其中，为S2中的元素，i、j取自{1,2,···,n}，表示在空间坐标的欧式距离度量下距离最近的k个样本点集合，表示在空间坐标的欧式距离度量下距离最近的k个样本点集合，t2>0为高斯核的宽度；计算综合相似矩阵S＝μS1+(1-μ)S2，μ∈(0,1)；步骤8，求取S的拉普拉斯矩阵LS，并求解如下方程得到最优拉普拉斯支持向量机：其中，f为拉普拉斯支持向量机，yi为标注结果，即污染程度，V(·)为任一评价在有标注样本上分类性能的损失函数，控制模型复杂度的正则化项，H表示再生核希尔伯特空间，γ1,γ2均为大于零实数，步骤9，将带入f*(·)，即可实现废气光谱图像的分割，得到每一块的污染程度。
所属类别：	发明专利