[发明专利]一种基于稀疏编码提取子的图像分类方法及系统

权利要求书

1.一种基于稀疏编码提取子的图像分类方法，其特征在于，包括：

利用以下训练模型对原始训练集X中训练样本进行标签一致的字典与嵌入学习，得到稀疏编码提取子P；利用所述稀疏编码提取子P，优化得到线性多类分类器W：

其中，是学习得到的重构字典，K是重构字典D的维度，是原始训练集的稀疏编码，和是投影矩阵，表示稀疏重构错误，Q表示判别稀疏编码，表示判别稀疏编码错误，α是该项的权衡参数，表示特征描述错误，γ是该项的权衡参数，H表示原始训练集的类别标签矩阵，为分类错误，β是该项的权衡参数；

利用所述稀疏编码提取子P，对测试样本xnew的显著特征进行提取，表征所述测试样本xnew的稀疏编码snew，为下一步分类测试做好准备；

将所述稀疏编码snew输入到所述线性多类分类器W进行分类，输出所述测试样本xnew的类别归属概率，选取归属概率最大值对应的类别为所述测试样本xnew的类别，以得到最准确的分类。

2.如权利要求1所述的方法，其特征在于，通过公式snew＝Pxnew计算得到所述测试样本xnew的稀疏编码snew，其中，xnew为所述测试样本，P为所述稀疏编码提取子，snew为所述训练样本xnew的稀疏编码。

3.一种基于稀疏编码提取子的图像分类系统，其特征在于，包括：

训练模块，用于利用以下训练模型对原始训练集X中训练样本进行标签一致的字典与嵌入学习，得到稀疏编码提取子P；利用所述稀疏编码提取子P，优化得到线性多类分类器W：

其中，是学习得到的重构字典，K是重构字典D的维度，是原始训练集的稀疏编码，和是投影矩阵，表示稀疏重构错误，Q表示判别稀疏编码，表示判别稀疏编码错误，α是该项的权衡参数，表示特征描述错误，γ是该项的权衡参数，H表示原始训练集的类别标签矩阵，为分类错误，β是该项的权衡参数；

测试预处理模块，用于利用所述稀疏编码提取子P，对测试样本xnew的显著特征进行提取，表征所述测试样本xnew的稀疏编码snew，为下一步分类测试做好准备；

测试模块，用于将所述稀疏编码snew输入到所述线性多类分类器W进行分类，输出所述测试样本xnew的类别归属概率，选取归属概率最大值对应的类别为所述测试样本xnew的类别，以得到最准确的分类。