本发明涉及计算机视觉，尤其涉及一种水下光学图像识别方法及装置。
背景技术：
1、当前，随着光学技术和采集设备的快速发展，面向计算机视觉和模式识别领域的应用范围已逐步从大气环境向水下环境进行拓展。然而，由于水下作业环境的复杂多变，使得获取到的图像数据一方面呈现出高维形态(属于图像类数据的共性)，另一方面存在可用样本数量受限且易伴随噪声干扰等现象的出现(属于水下应用环境的特有属性)。因此，如何找到一种有效方法去提升水下光视觉图像数据的识别精度变得十分重要。
技术实现思路
1、本发明的目的在于克服现有技术中的不足，提供一种水下光学图像识别方法及装置，解决如何提高水下光视觉图像数据的识别精度的技术问题。
2、为达到上述目的，本发明是采用下述技术方案实现的：
3、第一方面，本发明提供了一种水下光学图像识别方法，包括：
4、获取水下光学的训练图像，并进行预处理生成训练图像数据矩阵；
5、将所述训练图像数据矩阵按列拼接生成图像数据增广矩阵；
6、构建引入双灵活度量自适应加权的2dpca优化模型，将所述图像数据增广矩阵输入所述2dpca优化模型计算最优的投影矩阵；
7、获取水下光学的待识别图像，并进行预处理生成待识别图像数据矩阵；
8、利用最优的所述投影矩阵对所述待识别图像数据矩阵和所述训练图像数据矩阵进行特征提取，将特征提取结果输入最近邻分类器进行水下目标识别。
9、可选的，所述预处理包括中心化处理和灰度化处理。
10、可选的，所述2dpca优化模型的目标函数为：
11、；
12、；
13、式中，为输入矩阵的数量，为输入矩阵的行数，为第个输入矩阵的第行的元素，为投影矩阵和投影矩阵的转置，为范数范围，为单位向量，为维单位矩阵，为的0矩阵；为方差与重构误差之间距离项的权重矩阵，为的投影数据的方差与重构误差之间距离项的权重参数，。
14、可选的，所述计算最优的投影矩阵包括：
15、s1、引入对角元素，对所述2dpca优化模型的目标函数进行变换得到：
16、；
17、；
18、式中，为矩阵的迹；
19、s2、初始化投影矩阵；
20、s3、固定投影矩阵，对对角元素进行更新：
21、；
22、；
23、；
24、s4、固定对角元素和投影矩阵，对权重参数进行更新：
25、令；
26、对所述2dpca优化模型的目标函数进行变换得到：
27、；
28、；
29、定义所述2dpca优化模型的目标函数的拉格朗日函数：
30、；
31、式中，、为拉格朗日乘子；拉格朗日函数的kkt条件为：
32、；
33、；
34、；
35、；
36、对所述拉格朗日函数的kkt条件进行运算，可得：
37、；
38、s5、基于对角元素和权重参数均固定，将作为常数项，对所述2dpca优化模型的目标函数进行变换得到：
39、；
40、；
41、式中，，，为图像数据增广矩阵，为第个训练图像数据矩阵，为第个训练图像数据矩阵的第行的元素；为构成的对角矩阵；
42、s6、由加权协方差矩阵前个最大特征值对应特征向量组成更新后的投影矩阵；
43、s7、根据投影矩阵和投影矩阵判断收敛条件是否满足，
44、若不满足，则令并返回s3；
45、若满足，则采用armijo线性搜索策略探寻满足的投影矩阵，若搜索到投影矩阵，则令并返回s3；
46、若搜索不到投影矩阵，则将投影矩阵作为最优的投影矩阵输出。
47、第二方面，本发明提供了一种水下光学图像识别装置，所述装置包括：
48、训练数据处理模块，用于获取水下光学的训练图像，并进行预处理生成训练图像数据矩阵；
49、数据增广模块，用于将所述训练图像数据矩阵按列拼接生成图像数据增广矩阵；
50、模型优化模块，用于构建引入双灵活度量自适应加权的2dpca优化模型，将所述图像数据增广矩阵输入所述2dpca优化模型计算最优的投影矩阵；
51、待识别数据处理模块，用于获取水下光学的待识别图像，并进行预处理生成待识别图像数据矩阵；
52、目标识别模块，用于利用最优的所述投影矩阵对所述待识别图像数据矩阵和所述训练图像数据矩阵进行特征提取，将特征提取结果输入最近邻分类器进行水下目标识别。
53、第三方面，本发明提供了一种电子设备，包括处理器及存储介质；
54、所述存储介质用于存储指令；
55、所述处理器用于根据所述指令进行操作以执行根据上述方法的步骤。
56、第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。
57、第五方面，本发明提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述方法的步骤。
58、与现有技术相比，本发明所达到的有益效果：
59、本发明提供的一种水下光学图像识别方法及装置，在预先完成对水下光学图像预处理的基础上，一方面针对所建立的重构误差和方差之间双层关系中同时使用了灵活鲁棒度量机制，以解决鲁棒性不足的问题；另一方面能够根据每个样本实际状态自适应学习到与之相匹配的权重，以实现重构误差最小化的诉求；通过本发明可有效在水下复杂观测环境下增强模型的鲁棒性，确保决策的实时性，提升识别的精准性。
1.一种水下光学图像识别方法，其特征在于，包括：
2.根据权利要求1所述的水下光学图像识别方法，其特征在于，所述预处理包括中心化处理和灰度化处理。
3.根据权利要求1所述的水下光学图像识别方法，其特征在于，所述2dpca优化模型的目标函数为：
4.根据权利要求3所述的水下光学图像识别方法，其特征在于，所述计算最优的投影矩阵包括：
5.一种水下光学图像识别装置，其特征在于，所述装置包括：
6.一种电子设备，其特征在于，包括处理器及存储介质；
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-4任一项所述方法的步骤。
8.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-4任一项所述方法的步骤。
