[发明专利]一种基于局部几何感知的图像目标分类方法

权利要求书

1.一种基于局部几何感知的图像目标分类方法，其特征在于，包括如下步骤：

S1、对采集的图像进行预处理，得到预处理后的图像向量数据矩阵X＝[X₁，X₂，…，X_C]，其中：C是类别数，M是向量化后的特征维度，N_c是第c个类的图像类别数量，1≤c≤C；

S2、对于第c个类X_c中任一幅图像预处理后的向量数据点x_i，选取与一幅图像预处理后的向量数据点x_i欧氏距离最近的三个向量数据点x_i1，x_i2，x_i3组成最近邻特征平面，获得任一幅图像预处理后的向量数据点x_i在最近邻特征平面的投影以及表示最近邻特征平面投影的3维权重系数向量W_c，将权重系数向量W_c扩充到N维，其中具有近邻关系的向量点之间权重系数不变，其他为0；

S3、对图像向量数据矩阵X中其余类的数据点，重复上述步骤，得到所有类别的权重系数矩阵W＝[W₁，W₂，…，W_C]∈R^N×N，其中N是所有预处理后的图像的总数目，

S4、基于计算出的权重系数矩阵W＝[W₁，W₂，…，W_C]∈R^N×N，计算每个类的局部协方差矩阵，得到局部协方差矩阵C＝[C₁，C₂，…，C_C]；

S5、基于所述局部协方差矩阵构建目标函数，通过最大化目标函数，得到低维投影矩阵；

S6、基于所述低维投影矩阵，对于一幅图像预处理后的向量数据点x_i，计算其经过线性投影后的低维特征Y_i；

S7、使用最近邻算法对所述低维特征Y_i进行分类，从而完成图像目标的分类。

2.根据权利要求1所述的基于局部几何感知的图像目标分类方法，其特征在于，步骤S1中对采集的图像进行预处理包括依次进行的灰度化处理、平滑处理、归一化处理和向量化处理。

3.根据权利要求1所述的基于局部几何感知的图像目标分类方法，其特征在于，步骤S2中，权重系数向量[W_i1，W_i2，W_i3]的计算根据下式进行：

X_{i，1，2，3}＝[(x_i2-x_i1)，(x_i3-x_i1)]

W_i1＝1-W_i2-W_i3 (1)

其中：x_i表示一幅图像预处理后的向量数据点，即X_c的第i列，

x_i1，x_i2，x_i3分别表示与x_i近邻的3幅图像预处理后的向量数据点，

W_i1，W_i2，W_i3分别表示第i幅图像的3个近邻点的权重系数，即W_c中的第i行的每一列，

T表示向量数据的转置。

4.根据权利要求3所述的基于局部几何感知的图像目标分类方法，其特征在于，步骤S4中，第c个类的局部协方差矩阵表示为：

其中：I是与W_c维度相同的单位矩阵。