[发明专利]基于FISHER多级字典学习的图像分类方法

权利要求书

1.基于FISHER多级字典学习的图像分类方法，其特征在于，包括如下步骤：

构建一个图像分类系统，导入样本图像，利用超完备字典上的稀疏表示矩阵对每个样本图像进行初步的适当分类；所述图像分类系统基于CoLBP特征和GSS特征建立形成；还包括步骤，通过超完备字典上的稀疏编码将样本图像引导到一个矩阵；其中，所述矩阵中每一类是矢量化训练图像样本；

将上述经过超完备字典分类的图像基于FISHER多级字典进行不同层级上的学习，获得每个类别图像的具体信息和共同信息；

所提出的FISHER分级字典模型被定义为：

是类别共享字典，是类别唯一字典，是第j个训练样本，表示第j个训练样本在判别性字典的稀疏系数，是第j个训练样本在判别性字典上的稀疏系数，表示的类内离散最小化，表示A的类间离散最大化，α₁是控制第二级别的类别唯一系数矩阵和类别共享系数矩阵的贡献的参数，α₂和α₃是控制不同级别的判别系数项的贡献的参数。

使用FISHER判别准则的判别式对不同层级上字典的区分能力进行增强，形成最佳的图像分类判别标准。

2.根据权利要求1所述的基于FISHER多级字典学习的图像分类方法，其特征在于，所述经过超完备字典分类的图像在FISHER多级字典的不同层级上进行了类别唯一字典和类别共享字典的学习，用以学习同同一类别内每个图像的细微差别特征和独特判断特征。

3.根据权利要求2所述的基于FISHER多级字典学习的图像分类方法，其特征在于，还包括步骤，首先，在所述FISHER字典的一个层级上将每个图像样本分成预设数量的图像块，通过所述图像块构建关联所述类别唯一字典的第一稀疏表示矩阵和关联所述类别共享字典的第二稀疏表示矩阵；然后，通过所述FISHER字典的另一个层级将所述图像块逐行连接起来。

4.根据权利要求3所述的基于FISHER多级字典学习的图像分类方法，其特征在于，确定对应所述类别唯一字典的第一稀疏编码系数矩阵和对应所述类别共享字典的第二稀疏编码系数矩阵。

5.根据权利要求4所述的基于FISHER多级字典学习的图像分类方法，其特征在于，所述FISHER多级字典学习还包括优化过程，其中，所述优化过程包括：

确定所述类别共享字典和类别唯一字典，以及与所述类别共享字典对应的第一稀疏编码系数矩阵和与所述类别唯一字典对应的第二编码系数矩阵，并按类别更新所述第一稀疏编码系数矩阵和第二编码系数矩阵的类别；

确定所述第一稀疏编码系数矩阵、第二编码系数矩阵、类别共享字典和所述类别唯一字典，并更新所述FISHER多级字典中不同级别上的所述类别共享字典和所述类别唯一字典。

6.根据权利要求5所述的基于FISHER多级字典学习的图像分类方法，其特征在于，还包括步骤，求解更新后所述第一编码系数矩阵、第二编码系数矩阵、类别唯一字典以及所述类别共享字典的表达式。