[发明专利]一种基于DOG和LDA算法的图像识别方法及电子设备

权利要求书

1.一种基于DOG和LDA算法的图像识别方法，其特征在于，包括：

获取样本图像；

采用LDA算法对所述样本图像进行降维处理；

采用DOG算法在降维处理后的样本图像上提取图像特征；

为所述DOG检测出的图像特征设置训练集标签，以完成所述样本图像的预处理。

2.根据权利要求1所述的方法，其特征在于，所述采用LDA算法对所述样本图像进行降维处理，包括：

计算所述样本图像的每类样本的均值；

根据所述每类样本的均值，计算类内散度矩阵、类间散度矩阵；

对所述类内散度矩阵和所述类间散度矩阵做特征值分解；

计算最大的d个特征值和对应的d个特征向量；

根据所述最大的d个特征值和对应的d个特征向量，计算投影矩阵；

将所述投影矩阵中每一个样本特征转化为新的样本，得到输出样本集。

3.根据权利要求1所述的方法，其特征在于，所述采用DOG算法在降维处理后的样本图像上提取图像特征，包括：

将所述降维处理后的样本图像在不同标准差下进行高斯滤波计算，得到第一DOG图像、第二DOG图像和第三DOG图像，所述第一DOG图像、第二DOG图像和第三DOG图像依次相邻；

对相邻DOG图像做差值计算，得到第一差值图像和第二差值图像；

根据所述第一差值图像和第二差值图像，得到所述第二DOG图像的最大值和最小值点。

4.根据权利要求3所述的方法，其特征在于，为所述DOG检测出的图像特征设置训练集标签，包括：

在所述样本图像上标记出所提取的DOG检测出的特征点。

5.一种电子设备，其特征在于，包括：

获取单元，配置用于获取样本图像；

处理单元，配置用于采用LDA算法对所述样本图像进行降维处理；

提取单元，配置用于采用DOG算法在降维处理后的样本图像上提取图像特征；

设置单元，配置用于为所述DOG检测出的图像特征设置训练集标签，以完成所述样本图像的预处理。

6.根据权利要求5所述的电子设备，其特征在于，所述处理单元还配置用于：

计算所述样本图像的每类样本的均值；

根据所述每类样本的均值，计算类内散度矩阵、类间散度矩阵；

对所述类内散度矩阵和所述类间散度矩阵做特征值分解；

计算最大的d个特征值和对应的d个特征向量；

根据所述最大的d个特征值和对应的d个特征向量，计算投影矩阵；

将所述投影矩阵中每一个样本特征转化为新的样本，得到输出样本集。

7.根据权利要求5所述的电子设备，其特征在于，所述提取单元还配置用于：

将所述降维处理后的样本图像在不同标准差下进行高斯滤波计算，得到第一DOG图像、第二DOG图像和第三DOG图像，所述第一DOG图像、第二DOG图像和第三DOG图像依次相邻；

对相邻DOG图像做差值计算，得到第一差值图像和第二差值图像；

根据所述第一差值图像和第二差值图像，得到所述第二DOG图像的最大值和最小值点。

8.根据权利要求7所述的电子设备，其特征在于，所述设置单元还配置用于：

在所述样本图像上标记出所提取的DOG检测出的特征点。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-4中任一项所述的方法所包含的步骤。