[发明专利]基于核范数正则化的低秩图像特征提取的识别方法及系统

权利要求书

1.一种基于核范数正则化的低秩图像特征提取的识别方法，其特征在于，包括：

对原始训练图像样本进行相似性学习，使用重构权重方法重构权重系数，通过最小化基于核范数度量的邻域重构错误以优化投影矩阵，并对所述投影矩阵进行核范数正则化，相应地得到用于直接提取二维图像特征的低秩投影矩阵；

利用所述低秩投影矩阵，分别对原始训练图像样本和原始测试图像样本进行特征提取，相应地得到包含低秩显著特征的训练集和测试集；

将所述测试集中每一测试图像样本的低秩显著特征输入至最近邻分类器以进行分类，从所述训练集中提取出与测试图像样本的特征相似性最大的训练图像样本的类别标签，并将该类别标签作为对应的测试图像样本的类别标签，以完成对所述测试集中每一测试图像样本的类别鉴定，得到相应的识别结果；

其中，所述对原始训练图像样本进行相似性学习，使用重构权重方法重构权重系数，通过最小化基于核范数度量的邻域重构错误以优化投影矩阵，并对所述投影矩阵进行核范数正则化，相应地得到用于直接提取二维图像特征的低秩投影矩阵的过程，包括：

按照预设的划分比例，将预设图像数据集划分成原始训练集和原始测试集，其中，所述原始训练集包括N个原始训练图像样本，具体表示为N为正整数；

基于原始训练图像样本进行K近邻搜索，以找出每个原始训练图像样本在所述原始训练集中的K个最近邻样本，然后采用LLE-重构权重方法对权重系数进行重构，K为正整数；

通过最小化基于核范数度量的邻域重构错误以优化投影矩阵，并对所述投影矩阵进行核范数正则化，相应地得到所述低秩投影矩阵其中，

其中，W_i,j为权重系数，为A_i的K个最近邻样本的集合，α为各项的权衡参数，为串联的图像矩阵，I_d为d×d的单位矩阵，||·||_*为核范数，对任意矩阵X定义为：||X||_*＝∑_iσ_i(X)，其中，∑_iσ_i(X)表示X的奇异值之和。

2.根据权利要求1所述的基于核范数正则化的低秩图像特征提取的识别方法，其特征在于，所述利用所述低秩投影矩阵，分别对原始训练图像样本和原始测试图像样本进行特征提取，相应地得到包含低秩显著特征的训练集和测试集的过程，包括：

将所述原始训练集中每个原始训练图像样本A_i向所述低秩投影矩阵进行映射，得到包含相应低秩显著特征矩阵的训练集；其中，与任一原始训练图像样本A_i对应的低秩显著特征矩阵Y_i表示为：Y_i＝P^TA_i；

将所述原始测试集中每个原始测试图像样本向所述低秩投影矩阵进行映射，得到包含相应低秩显著特征矩阵的测试集；其中，与任一原始测试图像样本对应的低秩显著特征矩阵Y_j表示为：