[发明专利]一种基于多标签的图像识别方法

权利要求书

1. 一种基于多标签的图像识别方法，包括候选频繁项目集的构造和图像识别步骤，其特征在于：所述候选频繁项目集的构造和图像识别步骤包括：

步骤1图像样本数据集的准备和预处理，包括训练图像格式转换、尺度归一化、去噪和增强；

步骤2采用基于密度聚类的图像分割方法分别识别出每幅图像样本的待识别区域；

步骤3分别提取每幅训练图像中待识别区域的特征，构造图像样本数据库T，所述图像样本数据集T的关系模式为R(A₁ , …, A_p, B₁ , …, B_q)，其中： A₁ , ..., A_p为非标签属性的属性名，B₁ , ..., B_q为标签属性的属性名；p和q分别为非标签属性和标签属性的个数；

步骤4特征值离散化；

步骤5频繁项目集L的挖掘；

步骤6 多标签关联分类规则MLACR的构造，所述多标签关联分类规则MLACR的构造分为多标签频繁关联分类规则MLFCAR的构造和多标签关联分类规则MLACR的生成，其步骤包括：

步骤6.1 构造多标签频繁关联分类规则的前件P和后件Q，其中：所述前件为频繁项目集L中所包含的非标签属性集，所述后件为频繁项目集L中所包含的标签属性集；

步骤6.2 分别计算多标签频繁关联分类规则MLFCAR中各分类规则的置信度，其中规则P                                               R的置信度计算公式为：Count(PQ)/Count(P)；

步骤6.3删除多标签频繁关联分类规则MLFCAR中置信度小于minconf的分类规则，构造最终的多标签频繁关联分类规则MLFCAR，其中minconf为最小置信度阈值；

步骤6.4 对多标签频繁关联分类规则MLFCAR进行约简，得到多标签关联分类规则MLACR；

步骤7 图像识别。

2.根据权利要求1所述的一种基于多标签的图像识别方法. 其特征在于：所述步骤5的具体步骤包括：

步骤5.1 计算频T中的频繁1-项目集L1，其包括：

步骤5.1.1 设置T中的非标签属性集NLA={A₁ , ..., A_p}，标签属性集LA ={B₁ , ..., B_q}，计算C₁=LANLA；

步骤5.1.2 计算标签属性中的频繁1-项目集LL₁={cLA | sup(c)minsup }；

步骤5.1.3 计算非标签属性中的频繁1-项目集NLL₁={cNLA | sup(c)minsup }；

步骤5.1.4 计算频繁1-项目集L₁= LL₁NLL₁；

其中：c为给定项目集；Count(c)为支持数，是项目集c在图像样本数据集T中的出现的次数；Sup(c)为支持度，Sup(c)= Count(c)/|T|，|T|表示图像样本数据集T中样本的个数；

步骤 5.2候选频繁项目集L的生成，其包括：

步骤5.2.1 根据频繁k-项目集L_k生成候选频繁(k+1)-项目集C_k+1，其中k为是频繁项目集的长度；

步骤 5.2.2计算候选频繁(k+1)-项目集C_k+1各项目集支持数，并根据最小支持度阈值minsup生成频繁(k+1)-项目集L _k+1；

步骤5.2.1 重复步骤5.2.1，若生成候选项目集为空集，则进入步骤5.3；

步骤5.3 生成候选频繁项目集L=。