[發明專利]一種基于多標簽的圖像識別方法

無效

• 申請號: 201110313956.3
• 申請日: 2011-10-17
• 公開（公告）號: CN102364498A
• 公開（公告）日: 2012-02-29
• 發明（設計）人: 朱玉全;陳耿;孫蕾;廖定安;梁軍
• 申請（專利權）人: 江蘇大學
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 樓高潮

1.?一種基于多標簽的圖像識別方法，包括候選頻繁項目集的構造和圖像識別步驟，其特征在于：所述候選頻繁項目集的構造和圖像識別步驟包括：

步驟1圖像樣本數據集的準備和預處理，包括訓練圖像格式轉換、尺度歸一化、去噪和增強；

步驟2采用基于密度聚類的圖像分割方法分別識別出每幅圖像樣本的待識別區域；

步驟3分別提取每幅訓練圖像中待識別區域的特征，構造圖像樣本數據庫T，所述圖像樣本數據集T的關系模式為R(A_1?,?…,?A_p,?B_1?,?…,?B_q)，其中：?A_1?,?...,?A_p為非標簽屬性的屬性名，B_1?,?...,?B_q為標簽屬性的屬性名；p和q分別為非標簽屬性和標簽屬性的個數；

步驟4特征值離散化；

步驟5頻繁項目集L的挖掘；

步驟6?多標簽關聯分類規則MLACR的構造，所述多標簽關聯分類規則MLACR的構造分為多標簽頻繁關聯分類規則MLFCAR的構造和多標簽關聯分類規則MLACR的生成，其步驟包括：

步驟6.1?構造多標簽頻繁關聯分類規則的前件P和后件Q，其中：所述前件為頻繁項目集L中所包含的非標簽屬性集，所述后件為頻繁項目集L中所包含的標簽屬性集；

步驟6.2?分別計算多標簽頻繁關聯分類規則MLFCAR中各分類規則的置信度，其中規則P???????????????????????????????????????????????R的置信度計算公式為：Count(PQ)/Count(P)；

步驟6.3刪除多標簽頻繁關聯分類規則MLFCAR中置信度小于minconf的分類規則，構造最終的多標簽頻繁關聯分類規則MLFCAR，其中minconf為最小置信度閾值；

步驟6.4?對多標簽頻繁關聯分類規則MLFCAR進行約簡，得到多標簽關聯分類規則MLACR；

步驟7?圖像識別。

2.根據權利要求1所述的一種基于多標簽的圖像識別方法.?其特征在于：所述步驟5的具體步驟包括：

步驟5.1?計算頻T中的頻繁1-項目集L1，其包括：

步驟5.1.1?設置T中的非標簽屬性集NLA={A_1?,?...,?A_p}，標簽屬性集LA?={B_1?,?...,?B_q}，計算C₁=LANLA；

步驟5.1.2?計算標簽屬性中的頻繁1-項目集LL₁={cLA?|?sup(c)minsup?}；

步驟5.1.3?計算非標簽屬性中的頻繁1-項目集NLL₁={cNLA?|?sup(c)minsup?}；

步驟5.1.4?計算頻繁1-項目集L₁=?LL₁NLL₁；

其中：c為給定項目集；Count(c)為支持數，是項目集c在圖像樣本數據集T中的出現的次數；Sup(c)為支持度，Sup(c)=?Count(c)/|T|，|T|表示圖像樣本數據集T中樣本的個數；

步驟?5.2候選頻繁項目集L的生成，其包括：

步驟5.2.1?根據頻繁k-項目集L_k生成候選頻繁(k+1)-項目集C_k+1，其中k為是頻繁項目集的長度；

步驟?5.2.2計算候選頻繁(k+1)-項目集C_k+1各項目集支持數，并根據最小支持度閾值minsup生成頻繁(k+1)-項目集L_?k+1；

步驟5.2.1?重復步驟5.2.1，若生成候選項目集為空集，則進入步驟5.3；

步驟5.3?生成候選頻繁項目集L=。