[发明专利]一种多源图像数据特征提取方法、系统、设备及存储介质

权利要求书

1.一种多源图像数据特征提取方法，其特征在于，包括以下过程：

S1：通过核方法将原始的图像视图数据映射到高维空间中，构建多源图像数据集，多源图像数据集内包括多个高维线性可分的视图数据；

S2：通过利用多源图像数据集中每个视图数据的自表达学习特性与相似性，对输入的每个视图计算其对应的图信息矩阵；

S3：考虑不同视图的重要性对对应图信息矩阵的赋予其权重，通过自表达学习与自适应融合的方法计算得到最优一致性图邻接矩阵；

S4：基于图约束典型相关分析算法，并通过融合后的图结构信息作为约束，进行多视图数据典型相关分析，融合各视图数据的共同一致性特征，构建完整图像数据特征提取目标函数。

2.根据权利要求1所述的多源图像数据特征提取方法，其特征在于，S1的具体过程为：

将原始的视图数据映射到Φ_m是一个将D_m维空间映射到无限维空间的核映射，使用核矩阵来计算Φ_m(X_m)^TΦ_m(X_m)，将中心化后得到的核矩阵K_m；

表达式如下：

K_m表示经过核函数映射之后高维线性可分的视图数据，N是样本数量；i，j，k表示矩阵行/列，M表示总的视图数量。

3.根据权利要求1所述的多源图像数据特征提取方法，其特征在于，S2的具体过程为：

对输入的每个经过核映射后得到的高维视图数据，根据其自表达特性进行相似图信息矩阵的学习，并对相似图信息施加正则化约束，计算其最终每个视图对应的图信息矩阵。

4.根据权利要求1所述的多源图像数据特征提取方法，其特征在于，S3中的具体过程为：

根据不同视图的重要性赋予其对应权重，通过对每个视图数据的图信息矩阵，自适应融合学习一致性图邻接矩阵，结合对权重施加的正则化约束，计算得到最终所有图的最优一致性图邻接矩阵。

5.根据权利要求1所述的多源图像数据特征提取方法，其特征在于，S4中，假设一致性特征在最优一致性图邻接矩阵上是平滑的，引入βTr(CL_GC)做图约束项用于保持数据局部性；

完整特征提取目标函数为：

其中，α，β，γ，η是正则化因子，取值范围[0，∞]；N表示样本数量；K_m表示经过核函数映射之后高维线性可分的需要提取特征的视图数据；M表示总的视图数量；是权重系数；是原MCCA投影矩阵的对偶；C表示各视图数据的共同一致性特征；Tr(_GC)表示用于保持局部性的图约束项，其中表示矩阵的迹；G表示多图融合后生成的最优一致性图邻接矩阵，为实对称矩阵，g_ij表示任意两个节点之间边的权重；L_G为最优一致性图邻接矩阵G的拉普拉斯矩阵；Z_m表示各视图对应的图信息矩阵；d_m表示不同视图的重要性；表示使用F-范数对相似图信息施加正则化约束；表示使用2-范数对权重施加正则化约束；I表示单位矩阵。

6.根据权利要求1所述的多源图像数据特征提取方法，其特征在于，S4完成后，采用交替优化的方法对完整图像特征提取目标函数进行优化。