发明名称 |
一种基于鲁棒图像特征提取的识别方法及系统 |
摘要 |
本申请公开了一种基于鲁棒图像特征提取的识别方法及系统,先利用原始训练图像样本构造重构权重系数;为了有效保持图像像素间的拓扑结构和相关性,设计直接作用于二维图像的特征提取系统;为了降低图像样本中噪声或异类数据对性能的影响,对图像样本的邻域重构错误进行L2,1‑范数正则化;为了确保优化得到稀疏判别的显著图像特征,直接对投影矩阵进行L2,1‑范数正则化。最后,利用稀疏投影矩阵,提取相应的稀疏判别特征并输入至最近邻分类器,取与测试图像样本的特征相似性最大的训练图像样本的标签,以完成类别鉴定。本申请通过引入L2,1‑范数正则化技术,有效提升了数据中噪声和异类数据的鲁棒性,系统性能更好。 |
申请公布号 |
CN105760872A |
申请公布日期 |
2016.07.13 |
申请号 |
CN201610076500.2 |
申请日期 |
2016.02.03 |
申请人 |
苏州大学 |
发明人 |
张召;江威明;李凡长;张莉;王邦军 |
分类号 |
G06K9/46(2006.01)I;G06K9/62(2006.01)I |
主分类号 |
G06K9/46(2006.01)I |
代理机构 |
北京集佳知识产权代理有限公司 11227 |
代理人 |
罗满 |
主权项 |
一种基于L2,1‑范数正则化的鲁棒图像特征提取的识别方法,其特征在于,包括:对原始训练图像样本进行相似性学习,使用LLE‑重构权重方法重构权重系数,通过最小化L2,1‑范数正则化的邻域重构错误以优化投影矩阵,并对所述投影矩阵进行L2,1‑范数正则化,相应地得到可用于直接提取二维图像判别特征的稀疏投影矩阵;利用所述稀疏投影矩阵,分别对原始训练图像样本和原始测试图像样本进行特征提取,相应地得到包含稀疏判别特征的训练集和测试集;将所述测试集中每一测试图像样本的稀疏判别特征输入至最近邻分类器以进行分类,从所述训练集中提取出与测试图像样本的特征相似性最大的训练图像样本的类别标签,并将该类别标签作为对应的测试图像样本的类别标签,以完成对所述测试集中每一测试图像样本的归类,得到相应的识别结果。 |
地址 |
215123 江苏省苏州市工业园区仁爱路199号 |