[发明专利]一种整合特征字典结构与视觉特征编码的图像分类方法

权利要求书

1.一种整合特征字典结构与视觉特征编码的图像分类方法，其特征在于，包括如下步骤：

步骤1，提取图像的视觉特征：对每幅图像进行局部采样，得到一组区域块，提取每块区域的视觉特征，得到每幅图像对应的视觉特征集合，称所有图像的视觉特征集合的整体为所有图像的视觉特征集，记为集合X；

步骤2，特征字典学习：以集合X为输入，使用特征字典学习方法，得到由一组具有代表性的视觉单词组成的特征字典；

步骤3，视觉特征编码：将每幅图像的每个视觉特征表示成视觉单词的线性组合，每个视觉单词对应一个系数，称这组系数为视觉特征的编码；

步骤4，视觉特征编码的空间汇合：以每幅图像的所有视觉特征的编码为输入，使用统计方法，将每幅图像表示为一个向量，该向量就是对应图像的图像特征表示；

步骤5，将步骤4得到的每幅图像的编码作为输入，使用分类模型进行训练和分类，得到分类结果。

2.根据权利要求1所述的方法，其特征在于，步骤1包括如下步骤：

对于图像I进行局部采样，每次采样得到一个区域块，每个区域块提取一个视觉特征，得到图像I的视觉特征集合LFS_I，最终得到所有图像的视觉特征集合X＝[x₁,x₂,…,x_N]∈R^d×N，其中，d表示视觉特征的维度，N表示所有图像的视觉特征的总数，x_i表示第i个视觉特征，i取值1～N。

3.根据权利要求2所述的方法，其特征在于，步骤2包括如下步骤：

以集合X为输入，使用特征字典学习方法，得到由一组具有代表性的视觉单词组成的特征字典，将该特征字典记为：B＝[b₁,b₂,…,b_M]∈R^d×M，其中M为视觉单词的个数；b_j是一个维度d的列向量，表示第j个视觉单词，j取值1～M。

4.根据权利要求3所述的方法，其特征在于，步骤3包括如下步骤：

针对视觉特征x_i，选取视觉特征x_i的由步骤2得到的特征字典B中的p个最近邻的视觉单词，即与视觉特征x_i的距离最小的p个视觉单词，p取值1～M，记这p个视觉单词组成的特征字典为B_i，i取值1～N，求出特征字典B_i中各视觉单词之间的距离所表示的矩阵D_i，矩阵D_i的第m行s列的元素为特征字典B_i中对应视觉单词之间的距离，m，s＝1,2,…,p；再计算视觉特征x_i到特征字典B_i的各视觉单词的距离表示的列向量d_i，d_i的第n个分量d_in表示视觉特征x_i与B_i中第n个视觉单词之间的距离，n＝1,2,…,p，以x_i，d_i，D_i，B_i和两个参数λ与β为输入，λ,β≥0，最小化下式，得到x_i在B_i上的编码

||xi-Bizip||22+λ||di⊗zip||22+βzipTDizip,]]>约束条件：1Tzip=1]]>

其中表示点积，即两个向量对应的分量相乘得到一个新向量；求解得到x_i在这p个视觉单词的编码结果最后对编码中的分量排序，得到k个最大的编码系数及其对应的k个视觉单词构成的特征字典k＝1,2,…,p，则视觉特征x_i的编码z_i是一个M维的向量，向量中与对应的分量为其余分量都置为0。