[發(fā)明專利]基于非負特征融合的場景圖像分類方法

有效

• 申請?zhí)枺?/td>: 201810034600.8
• 申請日: 2018-01-15
• 公開（公告）號: CN108460401B
• 公開（公告）日: 2022-04-29
• 發(fā)明（設計）人: 劉渭濱;鄒智元;邢薇薇;鄭偉;趙雅昕
• 申請（專利權(quán)）人: 北京交通大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/77;G06V10/80;G06K9/62
• 代理公司: 北京市萬慧達律師事務所 11111
• 代理人: 黃玉東

1.一種基于非負特征融合的場景圖像分類方法，包括如下步驟：

S1：采集場景圖像樣本，建立多類別場景圖像數(shù)據(jù)集，作為原始圖像樣本；提取所述場景圖像樣本的特征，建立特征矩陣；所述場景圖像樣本的特征包括顏色特征、HOG特征以及GIST特征；

S2：進行非負特征分解；

利用基于投影梯度法的非負矩陣分解算法，對步驟S1的特征矩陣進行非負特征分解，得到基礎特征和特征融合因子；

S3：融合特征重建；

采用隨機索引法對步驟S2得到的基礎特征進行融合，得到場景圖像樣本的每類樣本每種特征的融合特征，實現(xiàn)非負單特征融合；

S4：分別使用每種特征的所有融合特征，建立基于正規(guī)化F范數(shù)誤差的非負融合單特征分類器；

S5：融合特征提升，使用融合特征Boosting算法對融合特征進行提升，得到融合單特征提升權(quán)重矩陣和融合多特征提升權(quán)重矩陣；

S6：基于提升權(quán)重矩陣，建立基于正規(guī)化F范數(shù)誤差的非負融合多特征分類器；

S7:對待分類的場景圖像提取特征后，將所述待分類的場景圖像的非負特征向量輸入到非負融合特征分類器中，由分類器輸出分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于非負特征融合的場景圖像分類方法，其特征在于，所述步驟S1中特征矩陣的建立具體步驟為，

S11：定義每個采集的場景圖像樣本的類別名稱，為每個場景圖像樣本標記一個類別；

S12：每個類別的場景圖像樣本為一組，使用多種特征提取方法處理每個場景圖像樣本，得到原始場景圖像樣本的多種非負特征向量；

S13：將特征向量劃分為訓練集和測試集；

S14：將訓練集中的特征向量組織成矩陣的形式，得到特征矩陣。

3.根據(jù)權(quán)利要求2所述的一種基于非負特征融合的場景圖像分類方法，其特征在于，所述步驟S13中，訓練集和測試集劃分應該保持原始場景圖像樣本的分布一致，即在訓練集和測試集中各類別包含樣本數(shù)量的比例相同。

4.根據(jù)權(quán)利要求1所述的一種基于非負特征融合的場景圖像分類方法，其特征在于，所述步驟S3的具體步驟為，

S31：設定每類樣本每種特征期望重建的融合特征的數(shù)量；

S32：隨機產(chǎn)生一個融合特征重建索引；

S33：根據(jù)重建索引選擇特征融合因子與對應的基礎特征相乘并將結(jié)果累加在一起，得到一個融合特征；

S34：對每類樣本的每種特征依次重復步驟S32和S33，直到重建的融合特征數(shù)量達到目標數(shù)量后結(jié)束。

5.根據(jù)權(quán)利要求4所述的一種基于非負特征融合的場景圖像分類方法，其特征在于，所述步驟S32中，所述的融合特征重建索引是一個大于0的可重復的正整數(shù)值，該值最大不超過每個類別樣本數(shù)量。

6.根據(jù)權(quán)利要求1所述的一種基于非負特征融合的場景圖像分類方法，其特征在于，所述步驟S4所述正規(guī)化F范數(shù)誤差指首先計算F范數(shù)誤差，再使用最大-最小正規(guī)化方法對誤差進行正規(guī)化。

7.根據(jù)權(quán)利要求1所述的一種基于非負特征融合的場景圖像分類方法，其特征在于，所述步驟S5中的具體步驟為，

S51：根據(jù)預先設定的Boosting樣本比重因子，確定參與Boosting算法的訓練樣本數(shù)量，并初始化融合單特征提升權(quán)重矩陣和融合多特征提升權(quán)重矩陣；

S52：隨機從訓練集中選擇場景圖像樣本，直到選擇的場景圖像樣本數(shù)量達到目標數(shù)量；

S53：輸入一個場景圖像樣本，使用多種特征提取方法得到多種非負特征；

S54：對每種特征使用對應的融合特征計算正規(guī)化F范數(shù)誤差，得到分類結(jié)果；

S55：根據(jù)分類結(jié)果使用基于分類誤差的權(quán)重更新公式對融合單特征提升權(quán)重矩陣進行更新，實現(xiàn)融合單特征的提升；

S56：根據(jù)分類結(jié)果使用權(quán)重更新公式對融合多特征提升權(quán)重矩陣進行更新，實現(xiàn)非負多特征的融合。