[發明專利]一種基于不相干性聯合字典學習的圖像分類方法

有效

• 申請號: 202010316589.1
• 申請日: 2020-04-21
• 公開（公告）號: CN111666967B
• 公開（公告）日: 2023-06-13
• 發明（設計）人: 李勝;馬悅;何熊熊
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06F16/55;G06V10/772;G06V10/774
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

1.一種基于不相干性聯合字典學習的圖像分類方法，其特征在于：

首先，對所有的數據集進行預處理；

其次，對每幅圖像進行特征提取；

再者，采用字典學習方法訓練判別性字典；

然后，在訓練好的字典上稀疏編碼圖像；

最后，依據重構誤差和字典編碼項對圖像進行分類；

所述采用字典學習方法訓練判別性字典的過程如下：

為每類圖像訓練一個類字典、為所有圖像訓練一個共享字典，保證共享字典的低秩性，且在低秩共享字典和類字典間加入相干約束項，模型如下：

其中，訓練樣本包含C類，表示第c類訓練樣本，是訓練字典，表示第c類訓練字典，代表共享字典，是類字典，是編碼系數矩陣，是Y_c對應字典D的編碼系數，是Y_c對應字典D_c的編碼系數，是X_c去掉的剩余部分，給定一個矩陣A和自然數n，假設μ(A,n)為n個相同列的矩陣，每一列是A中所有列的平均向量，假定

交替迭代求解來更新字典模型中的變量，包括：采用隨機梯度下降法更新類字典，交替方向乘子法迭代更新共享字典，快速軟閾值迭代算法更新編碼系數矩陣，如下：

1)更新類字典

假定則當固定X、D_C+1時，求解

其中，

給定一個矩陣T，的定義如下：

使用隨機梯度下降法SGD更新

這里α₁是梯度下降的步長；

2)更新共享字典D_C+1：

假定X＝[X¹；...；X^c；...；X^C；X^C+1]，和分別是訓練樣本在第c類字典和共享字典下的編碼系數，當X固定時，更新共享字典D_C+1：

使用交替方向乘子法來更新D_C+1，迭代更新公式(6)-(8)直至收斂，奇異值閾值算法求解核范數最小化問題；

V＝θ(D_C+1+U)????????????????(7)

U＝U+D_C+1-V????????????????????(8)

θ是奇異值收縮算子，E代表單位矩陣，α₂代表梯度下降的步長，采用隨機梯度下降法更新公式(6)中的D_C+1；

3)更新編碼系數矩陣X

當字典D固定時，快速軟閾值迭代算法被用來更新X，假定在每次迭代更新中，需求出s(X)的導數，