发明名称 |
基于支持向量机的图像反馈方法及系统 |
摘要 |
本发明公开了一基于支持向量机的图像反馈方法及系统。方法包括:提取图像库中每幅图像的底层视觉特征,将提取的底层视觉特征放入特征库;调取用户在图像库中选取的示例图像,利用特征库查找图像库中与该示例图像最相似的N幅图像;将N幅图像标记为正例图像和反例图像,形成正例图像集和反例图像集;对正例图像集和反例图像集进行扩展和更新后,将正例图像集和反例图像集中的图像放入支持向量机中进行训练,输出训练结果。该方法在基于传统支持向量机反馈方法的基础上,对样本进行扩展和更新并使用数据降维的理论对样本进行处理。解决了传统支持向量机由于训练样本少造成不稳定的问题、正例样本远远少于反例样本造成分类器最优超平面偏移的问题。 |
申请公布号 |
CN102542050B |
申请公布日期 |
2016.01.20 |
申请号 |
CN201110449087.7 |
申请日期 |
2011.12.28 |
申请人 |
辽宁师范大学 |
发明人 |
王向阳;李东明 |
分类号 |
G06F17/30(2006.01)I;G06K9/62(2006.01)I |
主分类号 |
G06F17/30(2006.01)I |
代理机构 |
大连东方专利代理有限责任公司 21212 |
代理人 |
李馨 |
主权项 |
一种基于支持向量机的图像反馈方法,其特征在于包括以下步骤:S1:提取图像库中每幅图像的底层视觉特征,并将提取的底层视觉特征放入特征库;S2:调取用户在图像库中选取的示例图像,利用特征库查找图像库中与该示例图像最相似的N幅图像;S3:将N幅图像标记为正例图像和反例图像,形成正例图像集和反例图像集;S4:对正例图像集和反例图像集进行扩展和更新后,将正例图像集和反例图像集中的图像放入支持向量机中进行训练,输出训练结果;在步骤S4之后还包括以下步骤:对图像库中的图像按照与示例图像的相似度进行重排序,使得正例样本靠前,排序后得到图像特征矩阵X;减小正例样本集中正例样本的类内距离;增大反例样本集中反例样本的类内距离;得到一映射矩阵,利用该映射矩阵将图像库中的高维图像特征映射到低维空间;减小正例样本集中正例样本的类内距离的步骤表示为:<img file="FDA0000813100680000011.GIF" wi="500" he="121" /><img file="FDA0000813100680000012.GIF" wi="72" he="73" />是正例样本集中选定的正例样本,<img file="FDA0000813100680000013.GIF" wi="75" he="78" />是正例样本集中除选定的正例样本之外的任一正例样本,w<sub>i,j</sub>是正例样本集中除选定的正例样本之外的任一正例样本相对选定的正例样本的权重,<img file="FDA0000813100680000014.GIF" wi="63" he="73" />是误差值;增大反例样本集中反例样本的类内距离的步骤表示为:<img file="FDA0000813100680000015.GIF" wi="767" he="138" /><img file="FDA0000813100680000016.GIF" wi="49" he="71" />是反例样本集中选定的反例样本,<img file="FDA0000813100680000017.GIF" wi="62" he="77" />是反例样本集中除选定的反例样本之外的任一反例样本,h<sub>i,j</sub>是反例样本集中除选定的反例样本之外的任一反例样本相对选定的反例样本的权重;得到一映射矩阵的步骤可以表示为:利用w<sub>i,j</sub>和h<sub>i,j</sub>构成一矩阵M1;利用公式<maths num="0001" id="cmaths0001"><math><![CDATA[<mfenced open = "" close = ""><mtable><mtr><mtd><mrow><mi>U</mi><mo>=</mo><munder><mi>argmax</mi><mrow><mi>U</mi><mo>∈</mo><msup><mi>R</mi><mrow><mi>H</mi><mo>×</mo><mi>L</mi></mrow></msup></mrow></munder></mrow></mtd><mtd><mrow><mi>t</mi><mi>r</mi><mo>[</mo><msup><mi>U</mi><mi>T</mi></msup><msub><mi>M</mi><mn>1</mn></msub><mi>U</mi><mo>]</mo></mrow></mtd></mtr></mtable></mfenced>]]></math><img file="FDA0000813100680000018.GIF" wi="507" he="108" /></maths>求得映射矩阵U;利用该映射矩阵将图像库中的高维图像特征映射到低维空间的步骤可以表示为:Y=U<sup>T</sup>X∈R<sup>L×n</sup>,其中,Y是低维空间图像特征矩阵。 |
地址 |
116029 辽宁省大连市沙河口区黄河路850号 |