(19)中华人民共和国国家知识产权局
(12)发明专利说明书 | ||
(10)申请公布号 CN 107169531 A (43)申请公布日 2017.09.15 | ||
(21)申请号 CN201710447133.7
(22)申请日 2017.06.14
(71)申请人 中国石油大学(华东)
地址 266580 山东省青岛市黄岛区长江西路66号
(72)发明人 王立 王延江 刘宝弟
(74)专利代理机构
代理人
(51)Int.CI
权利要求说明书 说明书 幅图 |
(54)发明名称
一种基于拉普拉斯嵌入的图像分类词典学习方法和装置 | |
(57)摘要
本发明公开了一种基于拉普拉斯嵌入的图像分类词典学习方法和装置，属于图像处理技术领域，通过在传统的拉普拉斯约束条件中引入了词典权重矩阵，给图像分类词典中的每一个原子赋予不同的权重，实现了可以给图像分类词典中有利于图像分类准确性的原子赋予较大的权重，提高了本发明实施例的图像分类词典用于图像分类时的分类效果；同时，本发明实施例在传统的拉普拉斯约束条件中引入了词典权重矩阵，对图像分类词典矩阵进行升维，可以进一步提高本发明实施例的图像分类词典用于图像分类时的分类效果；而且，本发明实施例采用多距离加权的图结构模型计算两个样本之间的近邻程度，提高了衡量两个样本之间的近邻程度的准确性。 | |
法律状态
法律状态公告日 | 法律状态信息 | 法律状态 |
2023-07-07 | 未缴年费专利权终止IPC(主分类):G06K 9/62专利号:ZL2017104471337申请日:20170614授权公告日:20180817 | 专利权的终止 |
权 利 要 求 说 明 书
1.一种基于拉普拉斯嵌入的图像分类词典学习方法,其特征在于,所述方法包括:
步骤100:从训练样本库中获取训练样本特征集,其中,所述训练样本特征集中包括至少2类训练样本;
步骤110:根据所述训练样本集中的第C类训练样本,采用拉普拉斯约束条件训练所述第C类训练样本的稀疏表达词典,其中,C为大于0的正整数,所述拉普拉斯约束条件为:
,φ(X<sup>c</sup>)是所述第C类训练样本映射到核空间的中的图像特征矩阵,W<sup>c</sup>是词典权重矩阵,S<sup>c</sup>为所述第C类训练样本的稀疏表达矩阵,K是W<sup>c</sup>矩阵的列数,代表S<sup>c</sup>矩阵的第i列,p<sub>ij</sub>为权重系数,p<sub>ij</sub>代表训练样本和训练样本的紧邻程度,代表所述第C类训练样本中的第i个样本,代表所述第C类训练样本中的第j个样本;
步骤120:基于多距离加权衡量的图结构模型,获取所述第C类训练样本的近邻关系图,其中,所述图结构模型为拉普拉斯嵌入结构,所述图结构模型为代表第1种求所述第C类训练样本中的第i个样本与第j个样本之间的距离的方法,代表第k种求所述第C类训练样本中的第i个样本与第j个样本之间的距离的方法,t是常数,μ<sub>k</sub>为第k种求所述第C类训练样本中的第i个样本与第j个样本之间的距离的方法对应的权重系数;
步骤130:基于迭代更新的方法求取所述拉普拉斯约束条件中的词典权重矩阵和稀疏表达矩阵的最优解;
步骤140:针对所述训练样本特征集中的每一类训练样本,重复执行上述步骤110~步骤130,直至所述训练样本特征集中的每一类训练样本均执行完毕,则输出训练产生的基于拉普拉斯嵌入的图像分类词典。
2.根据权利要求1所述的方法,其特征在于,所述基于多距离加权衡量的图结构模型,获取所述第C类训练样本的近邻关系图,具体为:
基于欧式距离、汉明距离、余弦距离和切比雪夫距离中的至少两种和其对应的权重系数,确定所述第C类训练样本的近邻关系图。
3.根据权利要求1或2所述的方法,其特征在于,所述基于迭代更新的方法求取所述拉普拉斯约束条件中的词典权重矩阵和稀疏表达矩阵的最优解的步骤,具体包括:
步骤1301:将所述词典权重矩阵设置为固定值,基于迭代更新的方法求取所述拉普拉斯约束条件中的所述稀疏表达矩阵的第一最优解,其中,所述固定值为所述词典权重矩阵对应的随机数矩阵;
正则化一个五行五列的随机矩阵步骤1302:将所述稀疏表达矩阵设置为所述第一最优解,基于迭代更新的方法求取所述拉普拉
斯约束条件中的所述词典权重矩阵的第二最优解;
步骤1303:若所述稀疏表达矩阵的第一最优解和所述词典权重矩阵的第二最优解组成的所述拉普拉斯约束条件不收敛,则循环执行所述步骤1301和所述步骤1302;
步骤1304:若所述稀疏表达矩阵的第一最优解和所述词典权重矩阵的第二最优解组成的所述拉普拉斯约束条件收敛,则将所述第一最优解确定为所述稀疏表达矩阵的最优解,将所述第二最优解确定为词典权重矩阵的最优解。
4.根据权利要求1~3任一项所述的方法,其特征在于,所述将所述词典权重矩阵设置为固定值,基于迭代更新的方法求取所述拉普拉斯约束条件中的所述稀疏表达矩阵的第一最优解,具体为:
将所述词典权重矩阵设置为固定值,基于迭代更新的方法根据公式:
<mfenced><mtable><mtr><mtd><mrow><mi>f</mi><mrow><mo>(</mo><msubsup><mi>S</mi><mrow><mi>k</mi><mi>n</mi></mrow><mi>c</mi></msubsup><mo>)</mo></mrow><mo>=</mo><msub><mrow><mo>(</mo><msup><mi>W</mi><mrow><mi>c</mi><mi>T</mi></mrow></msup><mi>κ</mi><mo>(</mo><mrow><msup><mi>X</
mi><mi>c</mi></msup><mo>,</mo><msup><mi>X</mi><mi>c</mi></msup></mrow><mo>)</mo><msup><mi>W</mi><mi>c</mi></msup><mo>)</mo></mrow><mrow><mi>k</mi><mi>k</mi></mrow></msub><msup><mrow><mo>(</mo><msubsup><mi>S</mi><mrow><mi>k</mi><mi>n</mi></mrow><mi>c</mi></msubsup><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><mn>2</mn><munderover><mo>Σ</mo><mrow><mi>l</mi><mo>=</mo><mn>1</mn><mo>,</mo><mi>l</mi><mo>≠</mo><mi>k</mi></mrow><mi>K</mi></munderover><msub><mrow><mo>(</mo><msup><mi>W</mi><mrow><mi>c</mi><mi>T</mi></mrow></msup><mi>κ</mi><mo>(</mo><mrow><msup><mi>X</mi><mi>c</mi></msup><mo>,</mo><msup><mi>X</mi><mi>c</mi></msup></mrow><mo>)</mo><msup><mi>W</mi><mi>c</mi></msup><mo>)</mo></mrow><mrow><mi>k</mi><mi>l</mi></mrow></msub><msubsup><mi>S</mi><mrow><mi>l</mi><mi>n</mi></mrow><mi>c</mi></msubsup><msubsup><mi>S</mi><mrow><mi>k</mi><mi>n</mi></mrow><mi>c</mi></msubsup><mo>-</mo><mn>2</mn><msub><mrow><mo>[</mo><mi>κ</mi><mrow><mo>(</mo><msup><mi>X</mi><mi>c</mi></msup><mo>,</mo><msup><mi>X</mi><mi>c</mi></msup><mo>)</mo></m
row><msup><mi>W</mi><mi>c</mi></msup><mo>]</mo></mrow><mrow><mi>n</mi><mi>k</mi></mrow></msub><msubsup><mi>S</mi><mrow><mi>k</mi><mi>n</mi></mrow><mi>c</mi></msubsup><mo>+</mo><mn>2</mn><mi>α</mi><mo>|</mo><msubsup><mi>S</mi><mrow><mi>k</mi><mi>n</mi></mrow><mi>c</mi></msubsup><mo>|</mo><mo>+</mo><msub><mi>βL</mi><mrow><mi>n</mi><mi>n</mi></mrow></msub><msup><mrow><mo>(</mo><msubsup><mi>S</mi><mrow><mi>k</mi><mi>n</mi></mrow><mi>c</mi></msubsup><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><mn>2</mn><mi>β</mi><munderover><mi>Σ</mi><mrow><mi>l</mi><mo>=</mo><mn>1</mn><mo>,</mo><mi>l</mi><mo>≠</mo><mi>n</mi></mrow><mi>N</mi></munderover><msub><mi>L</mi><mi>ln</mi></msub><msubsup><mi>S</mi><mrow><mi>k</mi><mi>l</mi></mrow><mi>c</mi></msubsup><msubsup><mi>S</mi><mrow><mi>k</mi><mi>n</mi></mrow><mi>c</mi></msubsup></mrow></mtd></mtr><mtr><mtd><mrow><mo>=</mo><mrow><mo>[</mo><mrow><msub><mrow><mo>(</mo><mrow><msup><mi>W</mi><mrow><mi>c</mi><mi>T</mi></mrow></msup><mi>κ</mi><mrow><mo>(</mo><mrow><msup><mi>X</mi><mi>c</mi></msup>
<mo>,</mo><msup><mi>X</mi><mi>c</mi></msup></mrow><mo>)</mo></mrow><msup><mi>W</mi><mi>c</mi></msup></mrow><mo>)</mo></mrow><mrow><mi>k</mi><mi>k</mi></mrow></msub><mo>+</mo><msub><mi>βL</mi><mrow><mi>n</mi><mi>n</mi></mrow></msub></mrow><mo>]</mo></mrow><msup><mrow><mo>(</mo><msubsup><mi>S</mi><mrow><mi>k</mi><mi>n</mi></mrow><mi>c</mi></msubsup><mo>)</mo></mrow><mn>2</mn></msup><mo>-</mo><mn>2</mn><mo>[</mo><msub><mrow><mo>(</mo><mrow><mi>κ</mi><mrow><mo>(</mo><mrow><msup><mi>X</mi><mi>c</mi></msup><mo>,</mo><msup><mi>X</mi><mi>c</mi></msup></mrow><mo>)</mo></mrow><msup><mi>W</mi><mi>c</mi></msup></mrow><mo>)</mo></mrow><mrow><mi>n</mi><mi>k</mi></mrow></msub><mo>-</mo><munderover><mi>Σ</mi><mrow><mi>l</mi><mo>=</mo><mn>1</mn><mo>,</mo><mi>l</mi><mo>≠</mo><mi>k</mi></mrow><mi>K</mi></munderover><msub><mrow><mo>(</mo><mrow><msup><mi>W</mi><mrow><mi>c</mi><mi>T</mi></mrow></msup><mi>κ</mi><mrow><mo>(</mo><mrow><msup><mi>X</mi><mi>c</mi></msup><mo>,</mo><msup><mi>X</mi><mi>c</mi></msup></mrow><mo>)</mo></mrow><msup
><mi>W</mi><mi>c</mi></msup></mrow><mo>)</mo></mrow><mrow><mi>k</mi><mi>l</mi></mrow></msub><msubsup><mi>S</mi><mi>ln</mi><mi>c</mi></msubsup><mo>-</mo><mi>β</mi><munderover><mi>Σ</mi><mrow><mi>l</mi><mo>=</mo><mn>1</mn><mo>,</mo><mi>l</mi><mo>≠</mo><mi>n</mi></mrow><mi>N</mi></munderover><msub><mi>L</mi><mi>ln</mi></msub><msubsup><mi>S</mi><mrow><mi>k</mi><mi>l</mi></mrow><mi>c</mi></msubsup><mo>]</mo><msubsup><mi>S</mi><mrow><mi>k</mi><mi>n</mi></mrow><mi>c</mi></msubsup><mo>+</mo><mn>2</mn><mi>α</mi><mo>|</mo><msubsup><mi>S</mi><mrow><mi>k</mi><mi>n</mi></mrow><mi>c</mi></msubsup><mo>|</mo></mrow></mtd></mtr></mtable></mfenced>
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论