(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111673602.X (22)申请日 2021.12.31 (71)申请人 河海大学 地址 210024 江苏省南京市江宁区佛城西 路8号 (72)发明人 徐孝彬　吴家林　王佳立　瞿勤阳　 冉莹莹　谭治英　骆敏舟　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 韩红莉 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06K 9/62(2022.01)G06T 7/00(2017.01) (54)发明名称 一种稀疏自编码器的偏振激光和图像融合 的材质识别方法 (57)摘要 本发明公开了一种稀疏自编码器的偏振激 光和图像融合的材质识别方法， 将待识别的物体 样本输入构建的预测分类模型， 获得物体样本的 材质类别。 构建预测分类模型， 包括： 基于稀 疏自 编码器和softmax分类器组成的框架， 构建预测 分类初始模 型； 利用获取的训练集训练预测分类 初始模型， 获得预测分类模型； 利用获取的测试 集对预测分类模 型进行测试， 若满足测试条件则 表示预测分类模 型合格。 本发明利用训练集来训 练稀疏自编码器与softmax分类器组成的框架， 提高了材质识别的精度。 权利要求书2页 说明书4页 附图3页 CN 114529781 A 2022.05.24 CN 114529781 A 1.一种稀疏自编码器的偏振激光和图像融合的材质识别方法， 其特 征在于， 包括： 将待识别的物体样本 输入构建的预测分类模型， 获得物体样本的材质类别。 2.根据权利要求1所述的一种稀疏自编码器的偏振激光和图像融合的材质识别方法， 其特征在于， 构建预测分类模型， 包括： 基于稀疏自编码器和softmax分类 器组成的框架， 构建预测分类初始模型； 利用获取的训练集训练预测分类初始模型， 获得 预测分类模型； 利用获取的测试集对预测分类模型进行测试， 若满足测试条件则表示预测分类模型合 格。 3.根据权利要求2所述的一种稀疏自编码器的偏振激光和图像融合的材质识别方法， 其特征在于， 稀疏自编码器在 传统的自编码器上增 加了稀疏性的约束用来 惩罚的隐藏层； 隐藏层大小为30， 设置最大训练次数为10000次， 选择L2正则化， 其对网络的权重设置 为0.006； 稀疏惩罚项的影响系数设置为5； 设置神经元对训练集作出反应的期望比例为 0.1。 4.根据权利要求3所述的一种稀疏自编码器的偏振激光和图像融合的材质识别方法， 其特征在于， 利用获取的训练集训练预测分类初始模型， 获得 预测分类模型， 包括： 将训练集输入 稀疏自编码器， 通过 前向传播获得隐藏层的输出； 将隐藏层的输出通过直接替换或级联的方式代替当前的训练集的特征， 生成新的训练 集； 利用新的训练集训练softmax分类器， 当softmax分类器自带的交叉熵函数收敛或训练 次数达到10000次后停止训练， 获得 预测分类模型。 5.根据权利要求2所述的一种稀疏自编码器的偏振激光和图像融合的材质识别方法， 其特征在于， 利用获取的测试集对预测分类模型进行测试， 若满足测试条件则表示预测分类模型合 格， 包括： 将测试集输入预测分类模型中， 预测分类模型输出 预测结果； 将所有的预测结果和测试集对应的实际所属材质类别进行比较， 若所有的预测结果正 确率在设定的阈值以上， 则表示预测分类模型合格， 否则不 合格。 6.根据权利要求2所述的一种稀疏自编码器的偏振激光和图像融合的材质识别方法， 其特征在于， 获取训练集和 测试集， 包括： 偏振脉冲激光探测系统获取实验样品的相关偏振信息参数； 偏振相机采集实验样品的偏振图像， 从偏振图像中提取实验样品的偏振信息； 将相关偏振信息参数和偏振信息进行数据融合， 获得具有多组多维向量的原始数据 集； 将原始数据集划分为训练集和 测试集。 7.根据权利要求6所述的一种稀疏自编码器的偏振激光和图像融合的材质识别方法，权　利　要　求　书 1/2 页 2 CN 114529781 A 2其特征在于， 实验样品的相关偏振信息参数包括反射光的总强度 I、 偏振椭圆半长轴的大小 Q、 偏振 椭圆半长轴的方向 U、 实验样品表面的偏振反射辐射 Ip、 线偏振度Do LP和偏振角。 8.根据权利要求6所述的一种稀疏自编码器的偏振激光和图像融合的材质识别方法， 其特征在于， 实验样品的偏振信息包括不同角度的灰度值 I0°、 灰度值I45°、 灰度值I90°、 灰度值I135°、 偏振度DoP和偏振角AoP。权　利　要　求　书 2/2 页 3 CN 114529781 A 3