[发明专利]基于稀疏组群结构的图像标注方法

权利要求书

1.一种基于稀疏组群结构的图像标注方法，其特征在于包括如下步骤：

1)对图像数据集进行特征提取；

2)对每个图像数据集选取n个数据作为训练集，其余作为测试集，使每个标注单词都出现在训练集合中；

3)利用稀疏组群结构对图像进行特征选择；

4)利用图像标注单词之间的关系进一步优化标注结果。

2.根据权利要求1所述的一种基于稀疏组群结构的图像标注方法，其特点在于，所述的对图像数据集进行特征提取的步骤为：

1)对图像数据进行特征提取，特征包括全局特征和局部特征，全局特征包括颜色、纹理、形状，局部特征包括SIFT、形状上下文；

2)将每幅图像用多种异构特征向量的组合来表示，即，一幅图像表示为(x_i，y_i)∈R^p×{0，1}^C，其中x_i＝(x_i1，...，x_ip)^T∈R^p表示图像的特征向量，p表示特征维数，y_i＝(y_i1，...，y_iC)^T∈{0，1}^C是相应的标注向量，C表示数据集的标注单词总数，y_ij＝1表示第i幅图像有第j个标注，否则，y_ij＝0，假设从图像数据中提取G类特征，d_g表示第g类特征的维数，g∈{1，...，G}，那么图像的特征向量重新表示为

3.根据权利要求1所述的一种基于稀疏组群结构的图像标注方法，其特点在于，所述的利用稀疏组群结构对图像进行特征选择的步骤为：

1)对每个标注单词c(c∈{1，...，C})，训练回归模型f_c，训练模型包括一个逻辑损失函数和一个正则化项：其中λ是一个可调节的参数，是截距项，表示对应第g类异构特征的参数向量；

2)通过迭代求解上述最优化问题，得到参数向量β，图像特征选择结果为

4.根据权利要求1所述的一种基于稀疏组群结构的图像标注方法，其特点在于，所述的利用图像标注单词之间的关系进一步优化标注结果的步骤为：

1)假设给定n个有标注单词的图像样例，X＝(x₁，x₂，...，x_n)∈R^p×n，Y＝(y₁，y₂，...，y_n)∈R^c×n，分别表示图像的特征向量和标注单词向量；

2)运用典型相关分析选择向量w_x和w_y使X和Y之间相关性最大，即求解以下最优化问题：

(wx,wy)=argmaxwx,wy{corr(wxTX,wyTY)}]]>

corr(wxTX,wyTY)=wxTXYTwy(wxTXXTwx)(wyTYYTwy)]]>

解得相关向量w_x和w_y；

3)优化的标注结果，其中是前一步通过回归模型解得的，B＝T^-1DT，T是一个C×C的矩阵，其中的每一行是运用典型相关分析得到的典型相关坐标，即D是一个C×C的对角矩阵D＝diag(d₁，d₂，...，d_C)，其对角线上的元素通过典型相关分析以后的X和Y的协方差得到：

dk=ρk2ρk2+γ(1-ρk2)]]>

其中k＝1，2，...，C，γ＝p/n。