[發明專利]基于FISHER多級字典學習的圖像分類方法

有效

• 申請號: 201810112205.7
• 申請日: 2018-02-05
• 公開（公告）號: CN108229505B
• 公開（公告）日: 2022-02-18
• 發明（設計）人: 朱松豪;雎學文;荊曉遠;冷婷
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06V10/50
• 分類號: G06V10/50;G06V10/772;G06V10/774;G06V10/764;G06K9/62
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 王素琴

1.基于FISHER多級字典學習的圖像分類方法，其特征在于，包括如下步驟：

構建一個圖像分類系統，導入樣本圖像，利用超完備字典上的稀疏表示矩陣對每個樣本圖像進行初步的適當分類；所述圖像分類系統基于CoLBP特征和GSS特征建立形成；還包括步驟，通過超完備字典上的稀疏編碼將樣本圖像引導到一個矩陣；其中，所述矩陣中每一類是矢量化訓練圖像樣本；

將上述經過超完備字典分類的圖像基于FISHER多級字典進行不同層級上的學習，獲得每個類別圖像的具體信息和共同信息；

所提出的FISHER分級字典模型被定義為：

是類別共享字典，是類別唯一字典，是第j個訓練樣本，表示第j個訓練樣本在判別性字典的稀疏系數，是第j個訓練樣本在判別性字典上的稀疏系數，表示的類內離散最小化，表示A的類間離散最大化，α₁是控制第二級別的類別唯一系數矩陣和類別共享系數矩陣的貢獻的參數，α₂和α₃是控制不同級別的判別系數項的貢獻的參數。

使用FISHER判別準則的判別式對不同層級上字典的區分能力進行增強，形成最佳的圖像分類判別標準。

2.根據權利要求1所述的基于FISHER多級字典學習的圖像分類方法，其特征在于，所述經過超完備字典分類的圖像在FISHER多級字典的不同層級上進行了類別唯一字典和類別共享字典的學習，用以學習同同一類別內每個圖像的細微差別特征和獨特判斷特征。

3.根據權利要求2所述的基于FISHER多級字典學習的圖像分類方法，其特征在于，還包括步驟，首先，在所述FISHER字典的一個層級上將每個圖像樣本分成預設數量的圖像塊，通過所述圖像塊構建關聯所述類別唯一字典的第一稀疏表示矩陣和關聯所述類別共享字典的第二稀疏表示矩陣；然后，通過所述FISHER字典的另一個層級將所述圖像塊逐行連接起來。

4.根據權利要求3所述的基于FISHER多級字典學習的圖像分類方法，其特征在于，確定對應所述類別唯一字典的第一稀疏編碼系數矩陣和對應所述類別共享字典的第二稀疏編碼系數矩陣。

5.根據權利要求4所述的基于FISHER多級字典學習的圖像分類方法，其特征在于，所述FISHER多級字典學習還包括優化過程，其中，所述優化過程包括：

確定所述類別共享字典和類別唯一字典，以及與所述類別共享字典對應的第一稀疏編碼系數矩陣和與所述類別唯一字典對應的第二編碼系數矩陣，并按類別更新所述第一稀疏編碼系數矩陣和第二編碼系數矩陣的類別；

確定所述第一稀疏編碼系數矩陣、第二編碼系數矩陣、類別共享字典和所述類別唯一字典，并更新所述FISHER多級字典中不同級別上的所述類別共享字典和所述類別唯一字典。

6.根據權利要求5所述的基于FISHER多級字典學習的圖像分類方法，其特征在于，還包括步驟，求解更新后所述第一編碼系數矩陣、第二編碼系數矩陣、類別唯一字典以及所述類別共享字典的表達式。