[发明专利]一种基于稀疏编码提取子的图像分类方法及系统

摘要

本发明公开了一种基于稀疏编码提取子的图像分类方法及系统，通过将一个特征描述项集成到现有的判别型标签一致字典学习框架，提出一个统一的“编码+描述+分类”模型框架。模型通过最小化稀疏重构错误、特征描述错误、稀疏编码错误和分类错误，得到判别的稀疏编码，同时输出一个线性的稀疏编码提取子和一个多类分类器。稀疏编码提取子主要通过最小化图像数据之描述和其稀疏编码之间的拟合错误得到。通过计算一个稀疏编码提取子，可快速实现样本外图像数据的分类，无需引入额外的稀疏重构过程，有效提高了图像分类的精准度。分类过程主要通过线性分类器实现，输出测试样本的类别归属概率，取概率的最大值，用于类别鉴定，得到最准确的分类结果。

主权项

1.一种基于稀疏编码提取子的图像分类方法，其特征在于，包括：利用以下训练模型对原始训练集X中训练样本进行标签一致的字典与嵌入学习，得到稀疏编码提取子P；利用所述稀疏编码提取子P，优化得到线性多类分类器W：其中，是学习得到的重构字典，K是重构字典D的维度，是原始训练集的稀疏编码，和是投影矩阵，表示稀疏重构错误，Q表示判别稀疏编码，表示判别稀疏编码错误，α是该项的权衡参数，表示特征描述错误，γ是该项的权衡参数，H表示原始训练集的类别标签矩阵，为分类错误，β是该项的权衡参数；利用所述稀疏编码提取子P，对测试样本xnew的显著特征进行提取，表征所述测试样本xnew的稀疏编码snew，为下一步分类测试做好准备；将所述稀疏编码snew输入到所述线性多类分类器W进行分类，输出所述测试样本xnew的类别归属概率，选取归属概率最大值对应的类别为所述测试样本xnew的类别，以得到最准确的分类。