[发明专利]一种融合差分子空间与正交子空间的图像集分类方法

摘要

本发明公开了一种融合差分子空间与正交子空间的图像集分类方法。鉴于目前分别基于差分子空间和正交子空间的图像集分类方法均存在着公共子空间的判别信息不能被完全利用的缺点，本发明结合该两种方法各自的优势，对两种方法各自使用的公共子空间技术进行有效融合。提出使用最优融合分割点方法来融合两种方法的差分子空间和正交子空间，从而产生能够利用公共子空间中所有特征空间维度判别信息的满秩投影变换矩阵。利用该投影变换矩阵可以生成判别力更强的线性子空间，并用于图像集分类。本发明的优点在于：充分利用了公共子空间中所有维度的判别信息；采用实验方法确定最优的差分子空间和正交子空间融合分割点，获得最适合对应数据集的融合分割点。

主权项

1.一种融合差分子空间与正交子空间的图像集分类方法，其特征在于，实现过程分为以下训练过程、测试过程和参数估计过程；(1)训练过程：①给定训练样本图像集集合，使用主元成分分析生成各个训练图像集的线性子空间②使用奇异值分解生成所有训练图像集线性子空间的公共子空间；③使用最优融合分割点方法在公共子空间上融合差分子空间与正交子空间，并得到满秩的投影变换矩阵Θ；④将所有训练图像集内的图像投影到满秩的投影变换矩阵Θ上，然后再次使用主元成分分析生成各个变换后的图像集的训练线性子空间(2)测试过程：①将每个测试图像集内的图像投影到训练过程中得到的满秩的投影变换矩阵Θ上；②然后使用主元成分分析生成变换后的图像集的测试线性子空间使用互子空间方法对测试线性子空间和变换后的图像集的训练线性子空间进行图像集的相似度匹配；③最后用最近邻分类器进行分类；(3)参数估计过程：建立多次用于参数估计的训练集合和测试集合，并分别多次使用上述训练过程和测试过程，分别测试不同融合分割点上的识别率，建立分割点和识别率之间的关系，使用最优识别率对应的分割点作为最优分割点参数。