[發(fā)明專利]一種適用于含噪圖像的關(guān)聯(lián)分析方法

有效

• 申請?zhí)枺?/td>: 202010107264.2
• 申請日: 2020-02-21
• 公開（公告）號: CN111401404B
• 公開（公告）日: 2023-05-09
• 發(fā)明（設(shè)計）人: 沈項軍;強娜
• 申請（專利權(quán)）人: 江蘇大學
• 主分類號: G06F18/2413
• 分類號: G06F18/2413;G06F18/211;G06F18/214
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種適用于含噪圖像的關(guān)聯(lián)分析方法，其特征在于，包括如下步驟：

步驟1，利用余弦相似性構(gòu)造樣本懲罰因子d_xi和d_yj，其中，i表示訓練圖像X中像素點的序號，j表示訓練圖像Y中像素點的序號，進而構(gòu)造鑒別矩陣D_x和D_y；

步驟2，對訓練圖像數(shù)據(jù)集X和Y分別加入樣本選擇和特征選擇，進而得到改進型關(guān)聯(lián)分析模型；改進型關(guān)聯(lián)分析模型為：

其中，v為訓練圖像數(shù)據(jù)集X的主投影向量，即特征向量；x_i為訓練圖像數(shù)據(jù)集中X的每個像素點，w為訓練圖像數(shù)據(jù)集Y的主投影向量，即特征向量；y_j為訓練圖像數(shù)據(jù)集中Y的每個像素點，λ₁和λ₂為正則化參數(shù)，||v||_2,1和||w||_2,1分別是主投影向量v和w的L_2,1范式的體現(xiàn)，為了達到判別特征選擇的目的，D_x和D_y為鑒別矩陣；所述D_x和D_y為對角線上的元素均由懲罰因子和構(gòu)成的對角矩陣，分別表示為：

步驟3，將改進型關(guān)聯(lián)分析模型轉(zhuǎn)化為求解特征值和特征向量問題，得到特征值和特征向量；將特征值和特征向量輸入k最近鄰算法得到其算法的分類精準率，進而獲得圖像數(shù)據(jù)集X和Y之間的關(guān)聯(lián)度；所述步驟3中求解特征值和特征向量過程為：

其中，Y、X分別為訓練圖像數(shù)據(jù)集，λ₃、λ₄分別為拉格朗日因子，Q_x和Q_y是特征選擇矩陣；Q_x和Q_y是特征選擇矩陣是對角線上的元素都是由和構(gòu)造成的對角矩陣：分別表示為：

其中，γ和ε均為稀疏因子，v_i為特征向量v集合中的每個特征值，w_j為特征向量w集合中的每個特征值；所述調(diào)整參數(shù)σ取0.1，所述正則化參數(shù)λ₁和λ₂取0.1；拉格朗日因子λ₃和λ₄取0.01，稀疏參數(shù)γ和ε設(shè)置為0.1。

2.根據(jù)權(quán)利要求1所述的一種適用于含噪圖像的關(guān)聯(lián)分析方法，其特征在于，構(gòu)造樣本懲罰因子和的方法為：分別迭代地學習訓練圖像X和Y中第i個像素點x_i和第j個像素點y_j分別與訓練圖像X、Y主投影v和w之間的角度α_i和θ_j，得到：進而得到：和其中，abs(cosα_i)、abs(cosθ_j)分別為cosα_i和cosθ_j的絕對值，σ為調(diào)整參數(shù)。