发明名称 |
基于压缩感知多核学的图像分类方法及其装置 |
摘要 |
一种基于压缩感知多核学的图像分类方法,包括:(1)字典学:分别构造关于颜色、纹理和轮廓的字典;(2)特征提取:计算图片的颜色特征直方图、纹理特征直方图和轮廓特征直方图并生成对应的三个特征集合;(3)特征降维:对图片的颜色、纹理和轮廓特征进行特征降维处理;(4)分类器学:使用基于最小二乘多核的分类器在训练集上学模型;以及(5)图像类别预测:对于一张待分类的图片,提取图像的特征,计算低维度的特征,拼接特征向量而形成新的特征,将该特征代入分类器模型,从而得到图像类别的输出结果。所述基于压缩感知多核学的图像分类方法能够对行人、车辆等图像具有很好的分类精度,从而提高了分类模型的泛化能力。 |
申请公布号 |
CN103514456A |
申请公布日期 |
2014.01.15 |
申请号 |
CN201310285254.8 |
申请日期 |
2013.06.30 |
申请人 |
安科智慧城市技术(中国)有限公司 |
发明人 |
吴金勇;陈先开 |
分类号 |
G06K9/62(2006.01)I;G06K9/46(2006.01)I |
主分类号 |
G06K9/62(2006.01)I |
代理机构 |
|
代理人 |
|
主权项 |
一种基于压缩感知多核学习的图像分类方法,其特征在于包括以下步骤:(1)字典学习:对训练样本集中的每张图片分别随机采样多张子图像,根据随机函数生成多个随机整数,随后生成多组子图像,对每张子图像分别提取关于颜色、纹理和轮廓的特征,并且利用聚类算法来分别构造关于颜色、纹理和轮廓的字典;(2)特征提取:提取训练样本集中的每张图片的颜色、纹理和轮廓特征,根据字典构造KD树从而分别计算图片的颜色特征直方图、纹理特征直方图和轮廓特征直方图并由此生成对应的三个特征集合;(3)特征降维:生成稀疏随机矩阵并且对图片的颜色、纹理和轮廓特征进行特征降维处理,从而得到对应的低维度的特征;(4)分类器学习:将样本的降维处理后的颜色、纹理和轮廓的三个低纬度特征向量进行顺序拼接,形成一个新的特征集合,并使用基于最小二乘多核的分类器在训练集上学习模型;(5)图像类别预测:对于一张待分类的图片,首先根据所述特征提取步骤而提取图像的特征,接着根据所述特征降维步骤而计算得到低维度的特征,再拼接降维后的特征向量而形成新的特征,将该新的特征代入训练好的分类器模型,从而得到图像类别的输出结果。 |
地址 |
518034 广东省深圳市福田区深南大道特区报业大厦1306房 |