[發明專利]一種采用局部運動特征相似性引導的子空間聚類方法

有效

• 申請號: 201410814806.4
• 申請日: 2014-12-24
• 公開（公告）號: CN104517123B
• 公開（公告）日: 2017-12-29
• 發明（設計）人: 陳萬軍;張二虎
• 申請（專利權）人: 西安理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F17/30
• 代理公司: 西安弘理專利事務所61214
• 代理人: 李娜

技術領域

本發明屬于數字圖像處理技術領域，具體涉及一種采用局部運動特征相似性引導的子空間聚類方法。

背景技術

子空間聚類的目的是針對一個從混合空間中抽取的點集，計算其所屬的子空間個數、每個子空間的維數和對應的基向量，并對該點集中的點按各自所屬的子空間進行劃分。子空間聚類在圖像處理、計算機視覺和運動分割中具有廣泛的應用。

目前，基于編碼系數的子空間聚類方法由于其優異的性能而備受關注。采用編碼系數的子空間聚類方法主要分為以下2個步驟，即首先從特征點數據中學習一個親和度矩陣，然后使用譜聚類算法來獲得聚類結果。經典的基于特征點間的歐式距離的親和度矩陣構造方法雖然能夠刻畫特征數據的局部結構特征，但易受噪聲和異常數據的干擾。另一類更魯棒的親和度矩陣的構造方法則是采用編碼系數。該方法假設每個特征數據均可編碼為其它特征數據的線性組合，從而，這些編碼系數可以作為一種親和度度量。由于編碼系數不僅依賴于相關聯的2個特征點，而且還依賴于其它特征點，因此，該類方法具有更好的抗噪性能。

但是，由于基于編碼系數的子空間聚類方法均采用一個“超完備”的編碼字典來對每個特征數據進行編碼，從而導致具有局部相似性的特征數據有可能編碼為完全不同的編碼系數，進而破壞親和度矩陣的連通性并嚴重影響最終的聚類結果。為此，我們提出了一種能夠保持局部特征相似性的子空間聚類方法，即通過施加不同的權重系數于不同的特征點上來引導整個編碼過程，使得相似的特征點在編碼后具有更小差異的編碼系數。

發明內容

本發明的目的是提供一種采用局部運動特征相似性引導的子空間聚類方法，解決了現有基于編碼系數的子空間聚類方法中由于“超完備”的編碼字典在對具有相似的特征點數據進行編碼時可能導致編碼系數差異巨大從而破壞親和度矩陣的連通性的問題。

本發明所采用的技術方案是，一種采用局部運動特征相似性引導的子空間聚類方法，具體按照以下步驟實施：步驟1、讀入特征點數據，計算特征點之間的相似性并構造相似性矩陣W；步驟2、計算步驟1中得到的相似性矩陣的Laplacian矩陣L；步驟3、計算特征點的編碼系數矩陣C；步驟4、對步驟3得到的編碼系數矩陣C進行譜聚類分割，獲得每個特征點的類別標號。

本發明的特點還在于，

步驟1的具體實施步驟為：

步驟1.1、讀入跟蹤特征點的軌跡坐標數據

第i個被跟蹤的特征點在跟蹤時長為F幀內的運動軌跡

其中，是該特征點在時刻為第t幀的坐標，t＝1,2,…,F，i＝1,…,n，

n個特征點的運動軌跡所構成的特征數據矩陣

步驟1.2、計算每個特征點的速度向量v_i

其中，i＝1,…,n；

步驟1.3、計算特征點間的速度向量相關性值

其中，i≠j且i,j∈{1,2,…,n}，η≥1，

相似性矩陣W的第i行、第j列的元素為W_i,j。

步驟2中的Laplacian矩陣L：

L＝D-W，

其中，D為對角矩陣，

D的對角線上的元素

其中，i＝1,…,n。

步驟3中編碼系數矩陣C為使函數Τ(C)取得最小值時的編碼系數矩陣C，

其中，

其中，f(C)為懲罰函數，g(Y-YC)為損失函數，參數λ₁,λ₂≥0。

計算編碼系數矩陣C的具體步驟為：

懲罰函數f(C)＝||C||₁，損失函數得：

采用交替方向Lagrange乘子法求解上式來獲得編碼系數矩陣C：

步驟3.1、引入輔助變量Q，將上式通過增廣Lagrange乘子法轉化為下式：

其中，參數為Lagrange乘子，μ＞0為懲罰參數，

步驟3.2、交替迭代更新矩陣Q和C，直至Q和C收斂：

步驟3.2.1、固定其它變量，通過下式更新矩陣Q：

Q^(k+1)＝(λ₁Y^TY+λ₂L+μI)^-1(λ₁Y^TY+μC^(k)-J^(k))；

步驟3.2.2、固定其它變量，通過下式更新矩陣C：