[发明专利]一种多层稀疏编码特征的鸟类图像识别方法

权利要求书

1.一种多层稀疏编码特征的鸟类图像识别方法，其特征在于，包括以下步 骤：

S1训练过程

S1.1收集各种鸟类训练图像，组成鸟类训练数据集；

S1.2字典学习

S1.2.1设定字典学习的目标函数为：

minD,X||Y-DX||F2+λΣi=1NΣj=1,j≠iN|diTdj|+βΣi=1N||ei·xi||2---(1)]]>

其中Y为图像块的像素矩阵集，y_i是像素矩阵集Y中第i个图像块的像素矩 阵；D是需学习的字典，字典个数为N，字典元素为d_i和d_j；X是字典的权重系 数，其元素为x_i；是F范数，ei=exp([dist(yi,d1),...,dist(yi,dN)]T/σ),]]>而dist(y_i,d_j) 是y_i与d_j的欧式距离，·表示矩阵点乘，σ为权重，λ,β是平衡两种约束的权重 系数；

S1.2.2计算输入信号像素矩阵集Y的编码系数X，得到的新目标函数如式 (2)所示，其解析解如式(3)所示；

minD,X||Y-DX||F2+βΣi=1N||ei·xi||2---(2)]]>

s.t.∀i,1Txi=1]]>

Ci=(DT-1yiT)(DT-1yiT)Txi=(Ci+βdiag2(e))/1xi=xi/1Txi---(3)]]>

S1.2.3在求得编码系数X后，字典中的单词通过KSVD算法按顺序优化 更新，目标函数(1)更新为：

mindm{x‾mTx‾mdmTdm-2Rmx‾m+λΣj=1,j≠mN|djTdm|}---(4)]]>

s.t.||d_m||₂＝1

其中是X第m行的向量，是像素矩阵集Y关于第m个单 词的残差；N是字典总个数；

S1.2.3不断地迭代实现步骤S1.2.1～S1.2.2；直到每次迭代运行的字典D不再 改变；

S1.3利用S1.1得到的字典，采用多层稀疏编码对鸟类训练图像进行稀疏编 码稀疏计算，得到稀疏编码特征输出；

S1.4分类器训练

将步骤S1.3所得的稀疏编码特征输出送入线性支持矢量机分类器，得到不 同类别鸟类之间的最大分类平面模型；

S2测试过程

对测试图像，采用步骤S1.3的方法得到稀疏编码特征输出，送入S1.4的分 类器所得的鸟类不同类别之间的最大分类平面模型，判断当前测试图像对应的 鸟类类别输出。