[发明专利]一种基于KNN的图像样本生成方法有效
申请号: | 201910957405.7 | 申请日: | 2019-10-10 |
公开(公告)号: | CN110659700B | 公开(公告)日: | 2022-10-11 |
发明(设计)人: | 赵书朵;韩旭;冯冠钦;周文豪;马晨鑫;董双慧 | 申请(专利权)人: | 西南石油大学 |
主分类号: | G06V10/764 | 分类号: | G06V10/764;G06V10/772;G06V10/77 |
代理公司: | 成都方圆聿联专利代理事务所(普通合伙) 51241 | 代理人: | 胡文莉 |
地址: | 637001 四*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 knn 图像 样本 生成 方法 | ||
1.一种基于KNN的图像样本生成方法,其特征在于,包括以下步骤:
(1)按照已知的类别,对采集到的图像数据进行归类,得到不同类别的图像数据集合;
(2)对这些类别的图像数据按照定制的标准进行对齐处理;
(3)对对齐后的每一类数据进行主成分分析;再对每一个主成分与原数据用KNN求解m维最近距离,其中m的取值范围为(1,n),n为主成分个数;
具体方法为:
对对齐后的每一类数据进行主成分分析,假设对某类数据Φ(θ1,…,θn)进行分析,其中θi(i=1,…,n)为本类中的第i个样本;
主成分PCA是一种数据集简化手段;将数据按照方差的特性进行排列,主成分即为特征向量,方差大的主成分,对应的特征值就越大,所占权重就相应的更大;对Φ(θ1,…,θn)主成分分析,得到n个主成分Γ(f1,…,fn);
对主成分与整个本类的原数据集用KNN算法来计算最近距离所对应的原数据;
(4)取最小的m维最近距离对应的m个原数据,并对这m个数据进行加权求和,即得该定制标准下的规则样本数据。
2.根据权利要求1所述的一种基于KNN的图像样本生成方法,其特征是:最近距离的维数m取值以及加权求和根据实际需要调整,只要不脱离主成分分析和KNN求解最近距离样本的范围。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西南石油大学,未经西南石油大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910957405.7/1.html,转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序