[發明專利]一種基于圖像特征稀疏重構的圖像分類方法

在審

• 申請號: 201310698110.5
• 申請日: 2013-12-17
• 公開（公告）號: CN103646256A
• 公開（公告）日: 2014-03-19
• 發明（設計）人: 李皎潔;張偉;丁凌云
• 申請（專利權）人: 上海電機學院
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 上海思微知識產權代理事務所(普通合伙) 31237
• 代理人: 鄭瑋

1.一種基于圖像特征稀疏重構的圖像分類方法，包括如下步驟：

步驟一，采用Forstner算子對圖像庫中的第l類樣本圖像提取特征像素點，l＝1,…,L，其中，L是樣本圖像的類別總數；

步驟二，提取每類樣本圖像的所有n維特征塊向量；

步驟三，提取每類樣本圖像的l_m個特征向量中具有較大相關性權值的特征向量構成初始字典；

步驟四，為每類樣本圖像訓練字典，得到每類樣本圖像的字典；

步驟五，提取測試圖像f的所有n維圖像塊向量；

步驟六，將r個n維圖像塊向量組成n×r維矩陣，記為圖像塊矩陣；

步驟七，分別在每類樣本圖像字典上對圖像塊矩陣P進行稀疏表示，得到所有稀疏表示的系數矩陣；

步驟八，分別采用L個稀疏表示系數矩陣重構圖像塊矩陣P，得到圖像塊重構矩陣；

步驟九，分別根據L個圖像塊重構矩陣生成重構圖像；

步驟十，比較重構圖像與測試圖像之間的誤差，根據誤差最小原則判定測試圖像所屬類別。

2.如權利要求1所述的一種基于圖像特征稀疏重構的圖像分類方法，其特征在于，步驟一還包括如下步驟：

計算第l類樣本圖像的每個像素的梯度值；

如果像素梯度超過某個閾值g_th，則以此像素為中心，提取a×a的灰度值矩陣；

計算該灰度值矩陣的圓度值q；

如果圓度超出某個閾值q_th，則再計算其所對應像素點的特征權值ω_c；

依次比較第l類樣本圖像中每個b×b像素塊內的所有特征權值，找出每個像素塊內最大特征權值所對應的點，獲得第l類樣本圖像的特征像素點。

3.如權利要求2所述的一種基于圖像特征稀疏重構的圖像分類方法，其特征在于，步驟二還包括如下步驟：

以第l類樣本圖像的每個特征像素點為中心，提取灰度值矩陣；

將該灰度值矩陣的所有列按照序號排列成列向量，獲得n維特征塊向量，

其中，假設第l類樣本圖像的特征點共有l_m個，其特征向量分別記為p_li，p_li∈Rⁿ,i＝1,2,...l_m。

4.如權利要求3所述的一種基于圖像特征稀疏重構的圖像分類方法，其特征在于，于步驟三中，該相關性權值通過如下方式計算：

將l_m個特征向量看作加權圖G_l中的l_m個節點，節點i和節點j之間的權值為，

其中，i,j＝1,…,l_m，corr(p_i,p_j)為特征向量p_i與p_j之間的相關性，threshold為閾值。

5.如權利要求4所述的一種基于圖像特征稀疏重構的圖像分類方法，其特征在于，于步驟三中，該初始字典通過如下方式構成：選取和其它m-1個節點之間權值大于0的節點所代表的特征向量，作為初始字典集合的元素。

6.如權利要求5所述的一種基于圖像特征稀疏重構的圖像分類方法，其特征在于：于步驟四中，字典訓練以步驟三中獲得的初始字典D_l0為初始字典，根據K-SVD算法迭代得到每類樣本圖像的字典D_l，l＝1,…,L。

7.如權利要求6所述的一種基于圖像特征稀疏重構的圖像分類方法，其特征在于，步驟五還包括如下步驟：

以覆蓋的形式提取該測試圖像內所有的灰度值矩陣；

將每個灰度值矩陣的所有列按照序號排成列向量，獲得n維圖像塊向量。