[發明專利]一種基于組稀疏編碼的圖像特征學習方法

有效

• 申請號: 201611036079.9
• 申請日: 2016-11-09
• 公開（公告）號: CN106778808B
• 公開（公告）日: 2020-09-08
• 發明（設計）人: 汪冬冬;李岳楠
• 申請（專利權）人: 天津大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/66
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李林娟

1.一種基于組稀疏編碼的圖像特征學習方法，其特征在于，所述方法包括以下步驟：

沿水平和垂直方向將圖像分割為N個固定大小的圖像塊，并將圖像塊轉化為一維向量；按照圖像塊空間位置，將水平和垂直方向上鄰近的N/M個塊分為一組，共分為M個組；

對于集合中的每一個組，根據組稀疏編碼字典，依次對組進行稀疏編碼；

其中，所述依次對組進行稀疏編碼具體為：

式中，重構矩陣由向量組成，為與α_j維數相同的矢量；d_j為第j個字典原子；x_i為圖像塊；λ,β為常數；G為組；|G|表示組中的圖塊向量數目，其值為N/M；R為實數空間；為向量α_j的第i個元素；K表示字典原子個數；

對各個組的稀疏描述進行池化，得到池化后的稀疏描述；

根據每個組對應圖像的位置，將前一步池化得到的稀疏描述再次根據空間位置，將相近的M/M₂個稀疏描述分為一組，共M₂個組；

對于集合中的每一個組，根據組稀疏編碼字典，依次進行稀疏編碼，得到每一組編碼結果；

再次對各個組的稀疏描述進行池化，得到池化后的稀疏描述。

2.根據權利要求1所述的一種基于組稀疏編碼的圖像特征學習方法，其特征在于，所述對各個組的稀疏描述進行池化，得到池化后的稀疏描述具體為：

將每個組的稀疏描述中的K個向量都求平均值，得到的平均向量作為池化結果；將池化結果作為該組的稀疏描述。