[發明專利]基于魯棒聯合稀疏特征提取的圖像識別方法

有效

• 申請號: 201711395792.7
• 申請日: 2017-12-21
• 公開（公告）號: CN108121965B
• 公開（公告）日: 2020-04-21
• 發明（設計）人: 賴志輝;陳育東;張赟
• 申請（專利權）人: 深圳大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 深圳市添源知識產權代理事務所(普通合伙) 44451
• 代理人: 黎健任

1.一種基于魯棒聯合稀疏特征提取的圖像識別方法，其特征在于：所述方法基于魯棒聯合稀疏局部保持投影特征提取算法RJSLPP實現，首先訓練樣本序列通過所述RJSLPP特征提取算法進行投影矩陣學習和特征提取；所提取的特征矩陣用于對分類器進行訓練；然后，測試樣本序列通過學習到的投影矩陣進行提取特征后輸入到分類器，最終得到識別結果；其中，所述RJSLPP特征提取算法具體包括：

針對任意一個訓練樣本矩陣X＝{x₁,x₂,...,x_i}∈R^m，通過以下操作后得到降維后的訓練樣本矩陣y_i＝U^Tx_i，i＝1,2,…,N；

(1)初始化

首先構造矩陣X_Rl和X_Rd：X_Rl＝((x₁-x₁),...,(x₁-x_N),...,(x_N-x₁),...,(x_N-x_N))^T，X_Rd＝X

(2)通過迭代操作，求出子空間：

第一步，將U初始化為任意列正交的m×d矩陣；

第二步，計算矩陣X_Rl和X_Rd，再計算和之后求解特征方程獲得特征向量[u₁,u₂,...,u_d]，更新U和D，其中，特征方程為：

其中Λ＝diag(λ₁,λ₂,...,λ_m-d,λ_m-d+1...,λ_m)是由特征值組成的對角矩陣，特征值由小到大排列，即λ₁≤λ₂≤...≤λ_m，

G_Rl＝diag(W₁₁,W₁₂,...,W_1N,...,W_N1,W_N2,...,W_NN)，

D_ii＝∑_iW_ij，λ>0是正則項系數，

其中Uⁱ是U的第i行，

G_Rd＝diag(D₁₁,D₂₂,...,D_NN)

第三步，重復步驟第二步直至達到預置的迭代次數；

第四步，輸出最優的投影矩陣U；

(3)計算降維后的訓練樣本矩陣

y_i＝U^Tx_i，i＝1,2,…,N；

(4)對于測試樣本序列計算降維后的測試樣本矩陣：