[发明专利]一种基于分布式K-means的海量图像分类方法

权利要求书

1.一种基于分布式K-means的海量图像分类方法，具体包括如下步骤：

步骤1.训练图像预处理；

输入训练图像数据集，并将每张训练图像划分成多个图像块，对每个图像块依次进行正则化和白化操作以去除干扰信息、保留关键信息，作为输入信息送给下一步处理；

步骤2.在大数据处理平台Hadoop上，将K-means算法并行化，把步骤1所得的预处理后的图像块信息作为输入，进行字典的提取；

步骤2所述的字典提取过程具体如下：

经过步骤1预处理后的图像块作为Map节点的输入，首先初始化聚类中心，多个Map节点并行的读取预处理后的图像数据，并计算分配到每个聚类中心的元素，之后在Reduce节点上，统计每个类别的所有元素，重新计算新的聚类中心，对比新的聚类中心和之前的聚类中心的变化是否小于设定的阈值，若小于，则迭代结束，输出聚类中心，否则更新聚类中心，重新开始新的一轮迭代过程；

步骤3.提取字典后，构建特征映射函数，将预处理后的训练图像块映射为新的特征表达；

步骤3具体过程如下：

将步骤2得到的字典并行化的分配给多个Map节点，同时输入新的无标签的图像数据集给每个Map节点，对Map节点上的图像数据集进行特征学习，将输入图像数据进行特征映射得到的特征，公式如下：

其中，f⁽ⁱ⁾(x)是图像块的新的特征表达，N是步骤2所提取字典的聚类中心总数，c^(k)是第k个聚类中心；

步骤4.将步骤3获得的训练图像块的新的特征表达输入到SVM分类器中，进行图像分类训练；

步骤5.针对需要进行分类的目标图像，将其依次进行图像块划分、正则化、白化操作以及特征提取之后，利用完成图像分类训练的SVM分类器进行分类。

2.根据权利要求1所述的基于分布式K-means的海量图像分类方法，其特征在于，步骤1所述的正则化操作具体如下：

其中x⁽ⁱ⁾是输入的第i个图像块，为正则化后的第i个图像块，var(x⁽ⁱ⁾)和mean(x⁽ⁱ⁾)分别是x⁽ⁱ⁾中所有元素的方差和平均值；σ是一个预设常量，其作用是在进行除法之前的操作，减少了噪音以及防止方差趋近于零的时候，防止除数为零。

3.根据权利要求1所述的基于分布式K-means的海量图像分类方法，其特征在于，采用PCA白化方法对正则化的每个图像块进行减少像素间相关性的处理：

其中，λ⁽ⁱ⁾和U⁽ⁱ⁾分别是正则化的图像块的特征值和特征向量，式(2)的作用是减少输入图片的像素之间相关性，通过公式(3)得到了白化后的图像块数据，ε为预设常数。

4.根据权利要求1所述的基于分布式K-means的海量图像分类方法，其特征在于，步骤4及步骤5采用DAG-SVM分类器进行最后的训练及分类过程。