[发明专利]一种基于学习及特征鉴别的核图像微分滤波器设计方法

摘要

本发明公开了一种基于学习及特征鉴别的核图像微分滤波器设计方法，其特征在于，包括线性判别滤波器中任意一点p对应的原图像块向量以p为中心的局部区域按行拉伸组成仅包含p的临域像素信息的图像块向量；在图像块向量的基础上进行维数扩充，在原图像块向量中串联该像素点处的一阶和二阶微分信息；构建图像块向量矩阵，形成类内散布阵和类间散布阵；对类内散布阵和类间散布阵引入核运算。本发明结合核方法在高维空间下进行滤波器学习，并在学习过程中融入线性判别分析思想，使得图像中的细节和非线性信息可以得到更好的利用并获得能够产生更具鉴别力特征描述的图像滤波器。

主权项

一种基于学习及特征鉴别的核图像微分滤波器设计方法，其特征在于，包括：线性判别滤波器中任意一点P对应的原图像块向量以P为中心的局部区域按行拉伸组成仅包含p的临域像素信息的图像块向量在图像块向量的基础上进行维数扩充，在原图像块向量中串联该像素点处的一阶和二阶微分信息；设p点坐标为，该点处沿x，y方向的一阶微分近似可由下式获得：该点处沿方向的二阶微分近似由下式获得：其中I为图像在坐标处的亮度；令为第t个人的第j个样本图像，为图像在点处经过以上微分信息扩充后的图像块向量，如果有个待处理像素，将这L个像素的图像块向量拼合构建图像块向量矩阵；此时类内散布阵和类间散布阵分别表示为：其中是第类所有样本图像块向量矩阵均值，是整体均值；对类内散布阵和类间散布阵引入核运算，即引入核运算的类内散布阵和类间散布阵分别为：其中带有前置符号的数据表示原样本空间中数据投影到高维空间下对应的高维数据；此时使得值最大的即为待求的高维空间中最优的滤波器向量；的最大特征值对应的特征向量即为最优,即为滤波后样本的图像块向量。