一种基于核主成分分析网络的图像分类方法

摘要

本发明公开一种基于核主成分分析网络的图像分类方法，包括以下步骤：（1）输入并预处理训练图像，得到训练图像的局部特征矩阵，（2）建立一个两层的核主成分分析网络，获得训练图像的主特征向量，（3）并用获得的主特征向量训练分类器；为了验证分类的正确性，建立测试核主成分分析网络对测试图像进行测试。本发明通过构造一个两层的核主成分分析网络，能够获得图像的非线性特征，使得图像特征的描述更精确，分类也更为准确，对于图像分类问题有着更高的正确率。

主权项

一种基于核主成分分析网络的图像分类方法，其特征在于，包括以下步骤：步骤1：建立核主成分分析网络第一层：步骤1.1：输入图像数据库中的N₁幅训练图像，并对其进行预处理，分别得到N₁幅训练图像中每一幅图像的局部特征矩阵I_i，i＝1,2,...,N₁；其中图像数据库包含N幅大小为m×n已经人工分类并作标记的图像，N₁＜N；步骤1.2：求局部特征矩阵I_i的协方差矩阵均值选择任意一个核函数，将协方差矩阵均值映射到高维空间的核子空间当中，得到核子空间当中的协方差矩阵K，并对K去均值得到通过对进行奇异值分解，得到的主成分，从而获得第一层核主成分分析网络的滤波器V⁽¹⁾；分别将I_i与V⁽¹⁾卷积，得到第一层核主成分分析网络的训练输出图像；步骤2：建立核主成分分析网络第二层：将核主成分分析网络的第一层训练输出图像替代步骤1.1的N₁幅训练图像，重复步骤1.1至步骤1.2的过程，得到第二层核主成分分析网络的滤波器V⁽²⁾以及第二层核主成分分析网络的训练输出图像；步骤3：建立核主成分分析网络的输出层：步骤3.1：将第二层核主成分分析网络的训练输出图像中的每幅图像二值化，并对二值化后的图像分块以统计直方图，得到N₁幅训练图像中每幅图像的主特征向量i＝1,2,...,N₁；步骤3.2：将每幅图像的主特征向量串联起来，得到所有训练图像的主特征矩阵F^(train)；步骤4：训练分类器：将F^(train)以及每幅图像对应的标记输入到分类器当中，训练分类器，获得能够对图像进行分类的分类器。