[发明专利]基于空间金字塔稀疏编码的自然场景多标记分类方法

权利要求书

1.一种基于空间金字塔稀疏编码的自然场景多标记分类方法，包括如下步骤：

(1)建立自然场景图像多标记类别库；

(2)对自然场景图像多标记类别库中的每幅图像，提取图像的尺度不变SIFT特征矩阵F：

以k像素为步长均匀采样，并提取每个采样点周围16×16像素大小图像块的d维尺度不变特征SIFT，得到图像的SIFT特征矩阵F＝{y1,y2,...,yi,...,yn}∈Rd×n，其中R表示实数集合，yi表示图像的第i个图像块的SIFT特征向量，i＝1,2,...,n，n表示图像中图像块的个数，d表示SIFT特征维数；

(3)对所有图像的SIFT特征矩阵，从中随机选取M个特征向量，构成新特征矩阵Y，将其通过K-奇异值分解方法K-SVD训练字典D，M取值为100000-1000000之间的整数；

(4)对每幅图像的特征矩阵F，通过已经训练好的字典D进行稀疏编码，得到图像的稀疏矩阵W；

(5)对每幅图像的稀疏矩阵W，利用空间金字塔最大池化方法，得到图像的稀疏编码向量X；

(6)将每幅图像的稀疏编码向量X分别通过多分类支持矢量机SVM和排序支持矢量机Rank-SVM进行分类，通过多分类支持矢量机SVM的分类结果为S，通过排序支持矢量机Rank-SVM的分类结果为R：

(6a)把图像的稀疏编码向量X输入到多分类支持矢量机SVM中，通过一对多的正项准则策略，经过训练、测试，得到图像的分类结果S＝{S1,S2,...,Si,...,Sm}，其中Si表示在该分类策略中第i幅图像的分类结果，m表示测试图像的总数；

(6b)把图像的稀疏编码向量X输入到排序支持矢量机Rank-SVM中，经过训练、测试，得到图像的分类结果R＝{R1,R2,...,Ri,...,Rm}，其中Ri表示在该分类策略中第i幅图像的分类结果；

(7)通过多分类支持矢量机SVM的分类结果S辅助校正排序支持矢量机Rank-SVM的分类结果R，得到自然场景图像多标记类别库中图像的最终分类结果C：

多分类SVM的分类结果S＝{S1,S2,...,Si,...,Sm}中找到非零向量的位置为j，j＝1,2,..m，用位置为j的非零向量Sj替换Rank-SVM的分类结果R＝{R1,R2,...,Ri,...,Rm}中对应位置j的向量Rj，得到自然场景图像多标记类别库中图像的最终分类结果C＝{R1,R2,...,Sj,...,Rm}，其中Sj为替换向量Rj的非零向量。