[发明专利]一种基于KNN的图像样本生成方法

权利要求书

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，…,θ_n)进行分析，其中θ_i(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，…,θ_n)主成分分析，得到n个主成分Γ(f₁,…,f_n)；

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。