[发明专利]一种基于局部几何感知的图像目标分类方法

说明书

一种基于局部几何感知的图像目标分类方法，其技术方案是：对于一幅图像预处理后的向量数据点x_i，分别从所有幅图像预处理后的向量数据点构成矩阵数据X中，选择与一幅图像预处理后的向量数据点x_i类别相同的3个近邻点建立流形局部特征平面，计算一幅图像预处理后的向量数据点x_i在流形局部特征平面的投影，获得局部协方差矩阵，然后用对数欧式距离度量流形局部特征空间之间的多流形散度，通过最大化多流形散度来寻找低维投影矩阵A，以此实现图像目标的判别特征提取，最后采用最近邻分类器对图像目标特征进行分类。本发明通过最大化多流形散度来提取图像的分类特征，具有提高图像分类效果的特点。

技术领域

本发明属于图像目标分类技术领域。特别是涉及一种基于局部几何感知的图像目标分类方法。

背景技术

图像目标分类是机器视觉的主要技术之一，是自动驾驶、人工智能等工程的基本技术，关系到许多机器学习行业的发展。近年来，基于视觉的自动化控制算法的需求量不断增加，并要求具有较高的分类性能。而在算法实现过程中，由于工程项目的实时性和硬件计算能力约束等原因，同时要求算法有较低的时间空间复杂度。

目前，较为流行的目标分类算法有流形算法、SVM算法、深度学习算法等。在上个世纪90年代末本世纪初，SVM使用的比较多，SVM是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是类间间隔最大化，最终转化为一个凸二次规划问题来求解。在此之后，基于深度神经网络的深度学习方法成为主流，该方法分类能力强、泛化能力好，但是结构复杂，计算量极大。难以使用在一般设备上。一种基于流形的方法，通过计算数据在流形上的距离，进行分类，具有重要的研究意义。

发明内容

本发明旨在克服现有技术不足，目的是提供一种能提高图像分类的效果的基于局部几何感知的图像目标分类方法。

为实现上述技术方案，本发明采用的技术方案是：

一种基于局部几何感知的图像目标分类方法，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；