[发明专利]一种高维图像数据降维的二值编码方法及系统

说明书

本发明公开的高维图像数据降维的二值编码方法及编码系统，可以实现高维数据在任意维度空间上的向量表示，并且向量维0‑1二值向量，能够减少图像数据存储的要求以及加速图像数据检索、模式识别等领域的效率，且降维之后的数据信息与原数据信息极小，因此具有很高的实用价值。

技术领域

本发明属于计算机视觉领域，具体为高维图像数据处理领域。

背景技术

图像是客观对象的一种相似性、生动性的描述或写真，是人类社会生活中最常用的信息载体。或者说图像是客观对象的一种表示，它包含了被描述对象的有关信息。它是人们最主要的信息源。据统计，一个人获取的信息大约有75％来自视觉。随着成像技术的发展，人们能够获得的图像分辨率越来越高，同时随着互联网络技术的发展，数据结构更加多样化，呈现爆炸性增长的图像数据正在充斥整个网络，海量高维度的图像数据一方面使人难以理解数据之间的关系，另一方面使得图像的存储、传输、检索变得更加困难。

作为一类普遍存在的规律，在大多数情况下我们观察到的图像信息，表面上看是高维的、复杂的，实际上可以用很少简答的变量来支配。在原始的高维空间中，包含有冗余信息以及噪音信息，在实际应用例如图像识别中造成了误差，降低了准确率。图像数据意义在于有效信息的提取综合及无用信息的摈弃。在很多情形下，将高维图像数据映射到一个合理的大小的低维度空间，并且低维数据用二值数据来表示，然后将低维二值数据送入到处理系统中，不仅仅可以降低计算机内存的需求，而且可以提高数据的处理效率，因此一种高维图像数据的二值化降维编码方法在图像检索、模式识别等领域具有非常重要的价值。

目前来说，图像数据的降维方法主要有两类：

(1)通过输入图像数据的二阶统计特性来发现数据的线性结构，其基本思想是最小二乘的准则下寻找最优线性投影的线性模型，保留数据中方差较大的方向，丢弃数据张方差较小的方向，减少有效数据表示所需要的特征维数；

(2)对高维图像数据集中的每个数据点，通过k邻近算法构建高维图像数据的带权领域图，计算领域图中任意数据对之间的最短路径，然后利用多维尺度变换算法对原数据集进行降维。

第一类方法算法简单，具有线性误差等优点，但存储空间大，计算复杂度高。第二类方法具有拓扑不稳定姓，容易受到噪声的影响。综合来说，现有的方法计算复杂度高，并且得到的降维数据为实值数据，非常不利于数据检索。

发明内容

因此本发明旨在提出一种新的高维图像数据降维方法及系统，主要解决的如下的问题：

(1)该方法可以实现任意维度的数据降维；

(2)降维之后的数据信息与原数据信息偏差不大；

(3)降维之后的数据信息为二值化数据。

本发明具体方案如下：

一种高维图像数据降维的二值编码方法，所述方法包括如下步骤：

1)邻域选取，对训练集中的每一副图像l中的每一个像素点I_ij，取其8个邻域即：

2)差分特征构造，以I_ij为中心，对其8个邻域进行旋转得到8维差分特征向量x，向量x中的每一个元素为8个邻域元素与中心元素的差；以图像为单位，将像素的差分特征拉成一个向量，维度为d维；

3)主成分分析降维，对差分矩阵进行降维计算，获得降维特征矩阵；

4)最优旋转，对降维特征进行最优旋转，并用阈值进行二值化。

其中，步骤2)差分特征构造具体为：