[發(fā)明專利]一種基于局部幾何感知的圖像目標(biāo)分類方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910628683.8
• 申請(qǐng)日: 2019-07-12
• 公開(kāi)（公告）號(hào): CN110399885B
• 公開(kāi)（公告）日: 2022-05-27
• 發(fā)明（設(shè)計(jì)）人: 李波;田楊;王翔宇;張曉龍
• 申請(qǐng)（專利權(quán)）人: 武漢科技大學(xué)
• 主分類號(hào): G06V10/44
• 分類號(hào): G06V10/44;G06V10/764;G06K9/62
• 代理公司: 杭州宇信知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 33231
• 代理人: 張宇娟

1.一種基于局部幾何感知的圖像目標(biāo)分類方法，其特征在于，包括如下步驟：

S1、對(duì)采集的圖像進(jìn)行預(yù)處理，得到預(yù)處理后的圖像向量數(shù)據(jù)矩陣X＝[X₁，X₂，…，X_C]，其中：C是類別數(shù)，M是向量化后的特征維度，N_c是第c個(gè)類的圖像類別數(shù)量，1≤c≤C；

S2、對(duì)于第c個(gè)類X_c中任一幅圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)x_i，選取與一幅圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)x_i歐氏距離最近的三個(gè)向量數(shù)據(jù)點(diǎn)x_i1，x_i2，x_i3組成最近鄰特征平面，獲得任一幅圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)x_i在最近鄰特征平面的投影以及表示最近鄰特征平面投影的3維權(quán)重系數(shù)向量W_c，將權(quán)重系數(shù)向量W_c擴(kuò)充到N維，其中具有近鄰關(guān)系的向量點(diǎn)之間權(quán)重系數(shù)不變，其他為0；

S3、對(duì)圖像向量數(shù)據(jù)矩陣X中其余類的數(shù)據(jù)點(diǎn)，重復(fù)上述步驟，得到所有類別的權(quán)重系數(shù)矩陣W＝[W₁，W₂，…，W_C]∈R^N×N，其中N是所有預(yù)處理后的圖像的總數(shù)目，

S4、基于計(jì)算出的權(quán)重系數(shù)矩陣W＝[W₁，W₂，…，W_C]∈R^N×N，計(jì)算每個(gè)類的局部協(xié)方差矩陣，得到局部協(xié)方差矩陣C＝[C₁，C₂，…，C_C]；

S5、基于所述局部協(xié)方差矩陣構(gòu)建目標(biāo)函數(shù)，通過(guò)最大化目標(biāo)函數(shù)，得到低維投影矩陣；

S6、基于所述低維投影矩陣，對(duì)于一幅圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)x_i，計(jì)算其經(jīng)過(guò)線性投影后的低維特征Y_i；

S7、使用最近鄰算法對(duì)所述低維特征Y_i進(jìn)行分類，從而完成圖像目標(biāo)的分類。

2.根據(jù)權(quán)利要求1所述的基于局部幾何感知的圖像目標(biāo)分類方法，其特征在于，步驟S1中對(duì)采集的圖像進(jìn)行預(yù)處理包括依次進(jìn)行的灰度化處理、平滑處理、歸一化處理和向量化處理。

3.根據(jù)權(quán)利要求1所述的基于局部幾何感知的圖像目標(biāo)分類方法，其特征在于，步驟S2中，權(quán)重系數(shù)向量[W_i1，W_i2，W_i3]的計(jì)算根據(jù)下式進(jìn)行：

X_{i，1，2，3}＝[(x_i2-x_i1)，(x_i3-x_i1)]

W_i1＝1-W_i2-W_i3 (1)

其中：x_i表示一幅圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)，即X_c的第i列，

x_i1，x_i2，x_i3分別表示與x_i近鄰的3幅圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)，

W_i1，W_i2，W_i3分別表示第i幅圖像的3個(gè)近鄰點(diǎn)的權(quán)重系數(shù)，即W_c中的第i行的每一列，

T表示向量數(shù)據(jù)的轉(zhuǎn)置。

4.根據(jù)權(quán)利要求3所述的基于局部幾何感知的圖像目標(biāo)分類方法，其特征在于，步驟S4中，第c個(gè)類的局部協(xié)方差矩陣表示為：

其中：I是與W_c維度相同的單位矩陣。