[發明專利]基于核范數正則化的低秩圖像特征提取的識別方法及系統

有效

• 申請號: 201610076336.5
• 申請日: 2016-02-03
• 公開（公告）號: CN105740912B
• 公開（公告）日: 2019-07-19
• 發明（設計）人: 張召;江威明;李凡長;張莉;王邦軍
• 申請（專利權）人: 蘇州大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 羅滿

1.一種基于核范數正則化的低秩圖像特征提取的識別方法，其特征在于，包括：

對原始訓練圖像樣本進行相似性學習，使用重構權重方法重構權重系數，通過最小化基于核范數度量的鄰域重構錯誤以優化投影矩陣，并對所述投影矩陣進行核范數正則化，相應地得到用于直接提取二維圖像特征的低秩投影矩陣；

利用所述低秩投影矩陣，分別對原始訓練圖像樣本和原始測試圖像樣本進行特征提取，相應地得到包含低秩顯著特征的訓練集和測試集；

將所述測試集中每一測試圖像樣本的低秩顯著特征輸入至最近鄰分類器以進行分類，從所述訓練集中提取出與測試圖像樣本的特征相似性最大的訓練圖像樣本的類別標簽，并將該類別標簽作為對應的測試圖像樣本的類別標簽，以完成對所述測試集中每一測試圖像樣本的類別鑒定，得到相應的識別結果；

其中，所述對原始訓練圖像樣本進行相似性學習，使用重構權重方法重構權重系數，通過最小化基于核范數度量的鄰域重構錯誤以優化投影矩陣，并對所述投影矩陣進行核范數正則化，相應地得到用于直接提取二維圖像特征的低秩投影矩陣的過程，包括：

按照預設的劃分比例，將預設圖像數據集劃分成原始訓練集和原始測試集，其中，所述原始訓練集包括N個原始訓練圖像樣本，具體表示為N為正整數；

基于原始訓練圖像樣本進行K近鄰搜索，以找出每個原始訓練圖像樣本在所述原始訓練集中的K個最近鄰樣本，然后采用LLE-重構權重方法對權重系數進行重構，K為正整數；

通過最小化基于核范數度量的鄰域重構錯誤以優化投影矩陣，并對所述投影矩陣進行核范數正則化，相應地得到所述低秩投影矩陣其中，

其中，W_i,j為權重系數，為A_i的K個最近鄰樣本的集合，α為各項的權衡參數，為串聯的圖像矩陣，I_d為d×d的單位矩陣，||·||_*為核范數，對任意矩陣X定義為：||X||_*＝∑_iσ_i(X)，其中，∑_iσ_i(X)表示X的奇異值之和。

2.根據權利要求1所述的基于核范數正則化的低秩圖像特征提取的識別方法，其特征在于，所述利用所述低秩投影矩陣，分別對原始訓練圖像樣本和原始測試圖像樣本進行特征提取，相應地得到包含低秩顯著特征的訓練集和測試集的過程，包括：

將所述原始訓練集中每個原始訓練圖像樣本A_i向所述低秩投影矩陣進行映射，得到包含相應低秩顯著特征矩陣的訓練集；其中，與任一原始訓練圖像樣本A_i對應的低秩顯著特征矩陣Y_i表示為：Y_i＝P^TA_i；

將所述原始測試集中每個原始測試圖像樣本向所述低秩投影矩陣進行映射，得到包含相應低秩顯著特征矩陣的測試集；其中，與任一原始測試圖像樣本對應的低秩顯著特征矩陣Y_j表示為：