[發(fā)明專利]一種基于支持向量正則化字典對學(xué)習(xí)的模式分類方法

在審

• 申請?zhí)枺?/td>: 202111603440.2
• 申請日: 2021-12-24
• 公開（公告）號: CN114330535A
• 公開（公告）日: 2022-04-12
• 發(fā)明（設(shè)計）人: 董靜;楊柳;成巍;劉廠;羅曉清
• 申請（專利權(quán)）人: 南京工業(yè)大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京天華專利代理有限責(zé)任公司 32218
• 代理人: 劉暢;徐冬濤

本發(fā)明公開了一種基于支持向量正則化字典對學(xué)習(xí)的模式分類方法，屬于計算機視覺技術(shù)領(lǐng)域。該方法包括：將訓(xùn)練圖像和測試圖像映射到低維空間，得到訓(xùn)練集和測試集；基于訓(xùn)練集采用支持向量正則化的字典對學(xué)習(xí)模型學(xué)習(xí)綜合?解析字典對和支持向量機分類器；利用訓(xùn)練好的字典對生成測試集編碼系數(shù)；將測試集編碼系數(shù)輸入到支持向量機分類器中，得到測試集的類別標(biāo)簽，以類別標(biāo)簽作為分類結(jié)果。本發(fā)明基于字典對學(xué)習(xí)模型，提出融合支持向量的判別性分類模型并進行優(yōu)化求解，適用于一般情況下的模式識別和圖像分類問題，在人臉識別和場景識別上能達(dá)到較高的分類準(zhǔn)確度。

技術(shù)領(lǐng)域：

本發(fā)明屬于計算機視覺領(lǐng)域，具體涉及一種基于支持向量正則化字典對學(xué)習(xí)的模式分類方法。

背景技術(shù)：

近年來，稀疏表示和字典學(xué)習(xí)被廣泛應(yīng)用于圖像去噪、圖像分類、圖像壓縮、圖像修復(fù)、人臉識別和異常行為檢測等領(lǐng)域，是機器學(xué)習(xí)、模式識別和計算機視覺領(lǐng)域中的一大熱門問題。

對于圖像分類問題，稀疏表示可以被視為特征提取過程：對于每個輸入信號編碼，得到其對應(yīng)的稀疏表示系數(shù)，再將稀疏表示系數(shù)作為分類器的輸入，得到分類結(jié)果。在這一過程中引入信號的分類誤差，能提高分類的準(zhǔn)確度。近年來，基于字典學(xué)習(xí)的模式分類的已有研究大致可以分為三種模型，基于綜合模型的分類、基于解析模型的分類和基于綜合-解析字典對的分類。其中，解析模型在稀疏編碼時比綜合模型更高效，基于綜合模型的字典學(xué)習(xí)則取得了較好的分類效果，而綜合-解析字典對學(xué)習(xí)模型則能兼顧兩者的優(yōu)點。

已有的基于字典學(xué)習(xí)的模式分類方法通常在字典學(xué)習(xí)中采用標(biāo)簽信息以提升分類效果：一類方法在模型中引入針對稀疏表示系數(shù)的分類器，如基于支持向量的字典學(xué)習(xí)(SVGDL)算法，另一類方法引入結(jié)構(gòu)性字典以增強模型的判別力，如判別式字典對學(xué)習(xí)(DPL)算法。然而，前者只關(guān)注稀疏表示系數(shù)的判別性，而忽略了學(xué)習(xí)字典本身生成判別性系數(shù)的能力，在一定程度上影響了分類的準(zhǔn)確度；后者關(guān)注字典本身的判別性，卻忽視了稀疏表示系數(shù)的判別性。

針對以上問題，本發(fā)明提出一種基于支持向量正則化字典對學(xué)習(xí)的模式分類方法，將稀疏表示系數(shù)的判別性和結(jié)構(gòu)性字典對的判別性融合為一個分類模型，構(gòu)建字典對學(xué)習(xí)和分類器聯(lián)合訓(xùn)練模型。

發(fā)明內(nèi)容：

為了提高分類準(zhǔn)確率，提出了一種基于支持向量正則化字典對學(xué)習(xí)的模式分類方法，在字典對學(xué)習(xí)框架中同時學(xué)習(xí)結(jié)構(gòu)性字典對和針對稀疏表示系數(shù)的支持向量機分類器，以得到更好的分類結(jié)果。

為解決上述技術(shù)問題，本發(fā)明公開了一種基于支持向量正則化字典對學(xué)習(xí)的圖像分類方法，包括：

步驟1：對訓(xùn)練圖像和測試的圖像進行特征提取，并構(gòu)建訓(xùn)練集X和測試集

步驟2：建立基于支持向量正則化字典對學(xué)習(xí)模型；

步驟3：對模型進行優(yōu)化求解，將訓(xùn)練集X輸入到基于支持向量正則化字典對學(xué)習(xí)的模型中，得到解析字典P，綜合字典D，編碼系數(shù)A和支持向量機分類器U，b；

步驟4：使用步驟3訓(xùn)練得到的解析字典P對測試集進行編碼，得到測試集編碼系數(shù)

步驟5：將步驟4得到的測試集編碼系數(shù)輸入到步驟3中訓(xùn)練所得的支持向量機分類器中，獲得分類結(jié)果。

在上述的基于支持向量正則化字典對學(xué)習(xí)的圖像分類方法中，對訓(xùn)練圖像和測試的圖像進行特征提取，并構(gòu)建訓(xùn)練集X和測試集包括：

①提取訓(xùn)練圖像和測試圖像的隨機特征，用一個隨機矩陣將圖像投影到固定維度的向量中，特征維數(shù)由隨機矩陣決定，并將生成的特征向量進行歸一化處理，化為長度為1的單位向量。

②從每一類中選出一定量的數(shù)據(jù)作為訓(xùn)練集X，剩下的數(shù)據(jù)作為測試集

在上述的基于支持向量正則化字典對學(xué)習(xí)的圖像分類方法中，基于支持向量正則化字典對學(xué)習(xí)模型，包括：