[發明專利]一種基于不完整多視聚類的圖像識別方法

在審

• 申請號: 202011199557.4
• 申請日: 2020-10-28
• 公開（公告）號: CN112307980A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 王博岳;羅萃萃;杜寶澤;劉宇昕;劉睿;胡永利
• 申請（專利權）人: 北京工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 吳蔭芳

本發明涉及一種基于不完整多視聚類的圖像識別方法，用于解決圖像分類識別問題，屬于模式識別和機器學習領域，尤其是面向圖像數據的不完整多視角聚類任務。本方法從以下兩個方面進行分析:1)多個graph模型對同一圖像樣本從不同角度描述，將其共享的一致性信息最大化；2)每個視角具有其他視角所不具有的個性化信息，有效利用這些固有的差異來進行聚類。具體的，本方法對于由不同特征所描述的不完整多視角圖像數據集，構造每個視角下的初始圖模型，用指示矩陣標記丟失圖像的位置，提取關聯矩陣從而實現不完整多視數據的聚類任務，從而有效提升圖像識別的準確性與魯棒性。

技術領域

本發明涉及模式識別和機器學習等領域，尤其是面向圖像數據的不完整多視角聚類任務。

背景技術

計算機視覺是人工智能的門戶，是人類視覺的延續，它讓計算機擁有人能所見、人能所識、人能所思的能力，隨著大數據時代的到來，計算機視覺逐漸成為信息科學、生物醫學工程等諸多領域的重要研究對象。

21世紀是信息爆炸的時代，圖像已經成為人們獲取信息、表達信息和傳遞信息的重要手段，目前為止,圖像的分類識別依然是圖像處理領域中的難點，因為現實世界是多樣的和復雜的,獲取圖像的途徑也是多種多樣的,這就使得不同的圖像相互之間差別很大,難以用統一的方法和模型描述。而其中基于聚類分析的圖像識別分析技術是圖像領域中一類極其重要的應用廣泛的而算法。

在圖像處理等大多數計算機視覺領域中，圖像數據往往有不同的來源或者由不同的特征所描述，例如一個人可以由不同角度的攝像機拍攝記錄，一張圖片可以由灰度、LBP、HOG等特征描述，我們把這種由多個特征描述的圖像數據稱為多視角數據。

現有的針對多視角數據的聚類方法假設圖像數據中所有圖像樣本都是完整的，但在現實中，一些如設備故障、傳輸中斷等干擾因素，往往會導致圖像數據中的部分樣本缺失，給多視聚類方法帶來了巨大的挑戰。因此，如何減少缺失圖像的帶來的不利影響，挖掘聚類模型的潛在信息，是一個值得關注的問題。

對于一幅圖像，一方面可以由不同的特征描述不同的信息，同時這不同的特征之間也有一致性關聯，而對于來自多視角的多個圖像數據，當今多視聚類的瓶頸問題是如何從中分離并利用這種共享信息和個性信息，為解決該瓶頸問題，本研究方法從以下兩個方面進行分析:1)多個graph模型對同一圖像樣本從不同角度描述，將其共享的一致性信息最大化；2)每個視角具有其他視角所不具有的個性化信息，有效利用這些固有的差異來進行聚類。

發明內容

針對以上問題,本發明提出一種基于不完整多視數據的聚類方法，用于解決圖像分類識別問題。對于由不同特征所描述的不完整多視角圖像數據集，構造每個視角下的初始圖模型，用指示矩陣標記丟失圖像的位置，提取關聯矩陣從而實現不完整多視數據的聚類任務，有效提升圖像識別的準確性與魯棒性。

具體技術方案如下：

(1)獲取待聚類的不完整多視角數據集所述不完整多視角數據指提取了M個特征的不完整圖像數據，每個視角下有多幅圖像。

(2)根據自適應圖學習方法，對數據集構造每個視角的初始圖

(3)根據步驟(2)得到的不完整多圖數據利用不完整多圖聚類方法IMGC對其進行處理，得到一致性圖C和一系列個性化圖

(4)根據得到的一致性圖C和一系列個性化圖計算關聯矩陣其中，S既包含了多個圖所共享的一致性信息也包含了每個圖所特有的個性化信息，對S執行譜聚類Ncut操作，得到圖像的聚類結果。

進一步的，步驟(2)中所述的自適應圖學習方法構造第m個視角的初始圖A^(m)的方法具體如下：