[发明专利]基于最小单纯形融合特征学习的场景图像属性识别方法

权利要求书

1.一种基于最小单纯形融合特征学习的场景图像属性识别方法，其特征在于，包括：

S1、采集目标领域的多个场景图像样本，为各场景图像样本所关联的属性定义对应的属性名称并将每个属性名称分别对应为一个属性标签，得到属性标签集合；

S2、采用超像素分割算法将每个场景图像样本分割为多个超像素；

S3、采用多种特征提取算法对每个超像素进行特征提取，将每种特征分别对应为一个特征向量，得到多个特征向量；

S4、向属于不同场景图像样本的具有相同含义的超像素标记属性标签集合中的同一个属性标签，建立每个超像素所对应的所有特征向量与该超像素标记的属性标签的关联，得到超像素与属性标签之间的关联和超像素的特征向量与属性标签之间的关联的关联矩阵；

S5、基于关联矩阵，进行最小单纯形融合特征学习，得到各属性对应的单纯形融合特征；

S6、进行多特征融合权重学习，建立含有表示同一属性的不同单纯形融合特征的权重的权重矩阵；

S7、基于权重矩阵和单纯形融合特征进行场景图像属性识别。

2.根据权利要求1所述的基于最小单纯形融合特征学习的场景图像属性识别方法，其特征在于，步骤S2还包括：对超像素进行规范化处理。

3.根据权利要求1所述的基于最小单纯形融合特征学习的场景图像属性识别方法，其特征在于，步骤S5进一步包括：

S5.1、依次选择一种特征和一个属性标签，遍历关联矩阵，将该属性标签关联的所有特征向量作为输入集合；

S5.2、依次采用仿射集拟合方法对输入集合中每个特征向量进行降维处理；

S5.3、依次以降维处理后的特征向量作为算法输入，采用最小封闭单纯形算法求解最小体积单纯形问题，得到各属性对应的单纯形融合特征。

4.根据权利要求1所述的基于最小单纯形融合特征学习的场景图像属性识别方法，其特征在于，步骤S6进一步包括：

S6.1、初始化含有表示同一属性的不同单纯形融合特征的初始权重的权重矩阵；

S6.2、建立基于单纯形融合特征的属性标签分类器；

S6.3、基于属性标签分类器的输出结果迭代更新权重矩阵，得到含有表示同一属性的不同单纯形融合特征的权重的权重矩阵。