[發明專利]一種適用于含噪圖像的關聯分析方法

有效

• 申請號: 202010107264.2
• 申請日: 2020-02-21
• 公開（公告）號: CN111401404B
• 公開（公告）日: 2023-05-09
• 發明（設計）人: 沈項軍;強娜
• 申請（專利權）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

本發明公開了一種適用于含噪圖像的關聯分析方法，利用余弦相似性構造樣本懲罰因子和進而構造鑒別矩陣Dsubgt;x/subgt;和Dsubgt;y/subgt;；對訓練圖像數據集X和Y分別加入樣本選擇和特征選擇，進而得到改進型關聯分析模型；將改進型關聯分析模型轉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，進而獲得圖像數據集X和Y之間的關聯度。本發明通過在圖像中每個數據點加入了樣本選擇與特征選擇能夠有效抑制噪聲對圖像數據集的影響。

技術領域

本發明屬于計算機科學和圖像處理技術鄰域，尤其是一種適用于含噪圖像的關聯分析方法。

背景技術

關聯分析是一個著名的統計工具家族，用于分析變量或變量集之間的關聯。典型相關分析、主成分分析、偏最小二乘法是其中比較有效的關聯分析方法。關聯分析方法的應用領域比較廣泛，對其中算法的研究也是數不勝數，下面重點介紹下幾種關聯分析算法以及其在圖像處理方面的應用。

典型相關分析是由H.Helling于1936年提出。就目前而言，它的理論已經比較完善。但就其應用而言，目前主要將其應用于眾多領域事物間的相關性分析和預測分析。如在生態環境方面，用典型相關理論對預報場與因子場進行分析，實現了短期氣象預測；借助典型相關，分析了植被與環境的關系。在社會生活領域，應用典型相關分析了物價指標和影響物價因素的相關關系；則借助典型相關分析了學生的基礎知識與專業知識之間有多大的相關程度。在圖像處理方面，Wenming?Zheng，Xiaoyan?Zhou等使用核典型關聯分析進行人臉表情的識別。David?R.Hardoon，Sandor?Szedmak等人將典型關聯分析應用在圖像檢索處理方面。

主成分分析是最常用的關聯分析方法，它可以幫助理解底層數據結構、聚類分析、回歸分析和許多其他任務。主成分分析通過原始數據集坐標軸的正交旋轉，使得原本分散的樣本點在旋轉后集中在某一些特征坐標軸的附近，當我們忽略承載原始信息量小的那些主成分時，即達到了對原始數據降維的效果，實現了數據的壓縮。同時對于多個不同的圖像數據，如果提取出其中的公共特征形成平均圖像及特征圖像，那么以后只需去尋找新圖像在此類特征圖像上的投影比例，即可得到新圖像數據的壓縮與識別，在此方面突出的應用實例為人臉識別中特征臉的應用。

最小二乘法是一種數學優化技術，它通過最小化誤差的平方和找到一組數據的最佳函數匹配。最小二乘法是用最簡的方法求得-些絕對不可知的真值，而令誤差平方之和為最小。最小二乘法通常用于曲線擬合。曲面擬合在計算機輔助幾何設計，科學計算，計算機圖形學領域是一個基礎且關鍵的問題，而最小二乘法在圖像處理方面，會利用多項式擬合使圖像的邊緣放大。

圖像在形成、傳輸等處理過程中，不可避免會受到噪聲的干擾，而且有些圖像的噪聲非常嚴重，圖像中的噪聲往往和信號交織在一起，會使圖像本身的細節如邊界輪廓、線條等變的模糊不清。因此，圖像去噪問題非常重要，這不僅僅是因為它具有明顯的應用價值。作為最簡單的反問題，它為圖像處理的思想和技術提供了一個方便的評估平臺。本發明提出的方法與以上幾種較先進的關聯分析方法是不同的，從噪聲影響出發，解決噪聲對圖像處理的影響問題。本發明是對典型關聯分析算法進行改進，加入了樣本選擇以及特征選擇手段，然后利用改進過后的新型典型關聯分析方法，應用到加入了噪聲的圖像中，發現該方法可以很好的適用于噪聲環境，抑制了噪聲對圖像失真的影響。

發明內容

針對現有技術中的不足，本申請提出了一種適用于含噪圖像的關聯分析方法，在圖像中每個數據點加入了樣本選擇與特征選擇，構造成新型基于樣本選擇和特征選擇的典型關聯分析算法，從而抑制了噪聲對圖像數據集的影響，分類結果良好，證明其適用于噪聲的環境。

本發明所采用的技術方案如下：

一種適用于含噪圖像的關聯分析方法，包括如下步驟：