[發明專利]基于壓縮感知多核學習的圖像分類方法及其裝置

有效

• 申請號: 201310285254.8
• 申請日: 2013-06-30
• 公開（公告）號: CN103514456B
• 公開（公告）日: 2017-04-12
• 發明（設計）人: 吳金勇;陳先開
• 申請（專利權）人: 安科智慧城市技術(中國)有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 深圳市華優知識產權代理事務所(普通合伙)44319
• 代理人: 周丹

1.一種基于壓縮感知多核學習的圖像分類方法，其特征在于包括以下步驟：

(1)字典學習：對訓練樣本集中的每張圖片分別隨機采樣多張子圖像，根據隨機函數生成多個隨機整數，隨后生成多組子圖像，對每張子圖像分別提取關于顏色、紋理和輪廓的特征，并且利用聚類算法來分別構造關于顏色、紋理和輪廓的字典；

(2)特征提取：提取訓練樣本集中的每張圖片的顏色、紋理和輪廓特征，根據字典構造KD樹從而分別計算圖片的顏色特征直方圖、紋理特征直方圖和輪廓特征直方圖并由此生成對應的三個特征集合；

(3)特征降維：生成稀疏隨機矩陣并且對圖片的顏色、紋理和輪廓特征進行特征降維處理，從而得到對應的低維度的特征；

(4)分類器學習：將樣本的降維處理后的顏色、紋理和輪廓的三個低緯度特征向量進行順序拼接，形成一個新的特征集合，并使用基于最小二乘多核的分類器在訓練集上學習模型；

(5)圖像類別預測：對于一張待分類的圖片，首先根據所述特征提取步驟而提取圖像的特征，接著根據所述特征降維步驟而計算得到低維度的特征，再拼接降維后的特征向量而形成新的特征，將該新的特征代入訓練好的分類器模型，從而得到圖像類別的輸出結果。

2.如權利要求1所述的基于壓縮感知多核學習的圖像分類方法，其特征在于，在所述步驟(1)中，字典學習的具體方法為：

對訓練樣本集D中的每張圖片I_i，i＝1，L，l分別隨機采樣T張子圖像，記為P_i＝{p_i1，L，p_iT};

根據隨機函數randx和randy，生成T個隨機整數，分別記為{rx₁，L，rx_T}和{ry₁，L，ry_T}，randx和randy均為服從等概率分布的隨機數生成器，隨機數生成的范圍分別是{0，1，L，w-16}和{0，1，L，h-16}；

將子圖像p_it，t＝1，L，T的所有像素值設為0，對于p_it的每個像素進行賦值，即p_it(c，r)＝I_i(c+rx_t，r+ry_t)，由此生成了T組子圖像P_i＝{p_i1，L，p_iT}；

合并所有子圖像塊，即P＝P₁∪P₂∪L∪P_l＝{p₁，L，p_l×T}；對P中的每張子圖像p_i分別提取關于顏色、紋理和輪廓的特征，并將生成的關于顏色、紋理和輪廓的特征集合分別記為Zhue={z1hue,L,zT×lhue},]]>Zlbp={z1lbp,L,zT×llbp},]]>Zhog={z1hog,L,zT×lhog};]]>

利用聚類算法對Z^hue樣本集聚K類，并生成K個類簇中心點，由此構成的中心點集成為關于顏色特征Hue的字典；

用以上方式來學習關于紋理特征的字典，記為以及

用以上方式來學習關于輪廓特征的字典，記為