[发明专利]一种基于鬼成像和线性判别分析的物体分类方法

摘要

本发明提出了一种基于鬼成像和线性判别分析的物体分类方法，先根据线性判别分析算法获得基于MNIST手写体数字数据集的适合于鬼成像的特征散斑，接着使用这些散斑对未知物体进行照射，然后使用没有任何空间分辨率的桶探测器接收从未知数字物体反射或者透射的光场信号，最后将桶探测器接收的信号与MNIST手写体数字数据集均值图像在特征散斑照射下桶探测器的接收信号进行比较，完成未知物体的分类，本发明可以用较少的散斑个数我们就能以较高的准确率对未知物体进行分类，可用于图像识别中。

主权项

1.一种基于鬼成像和线性判别分析的物体分类方法，其特征在于，包括以下步骤：步骤一：加载MNIST手写数据集中的手写体数字图片及其对应的标签，并将其分为训练集和测试集，其中训练集中包含60000张数字图片，测试集中包含10000张数字图片；步骤二：根据训练集数据，求得各类样本的均值计算各个数字类别的协方差矩阵之和，称为类内散度矩阵S_w；将各个数字类别的样本均值的差乘以差的转置，所得的结果称为类间散度矩阵S_b，提取出S_w^‑1·S_b的前K个特征值和特征向量(S_w^‑1为类内散度矩阵的逆)，这个特征向量即是利用线性判别分析算法设计出的适用于鬼成像中手写体数字图片分类的特征散斑；步骤三：将特征散斑载入数字微镜设备(Digital micromirror device,DMD)，将激光照射到DMD上并使用DMD产生的散斑对未知数字图像进行照射，然后使用没有任何空间分辨率的桶探测器接收未知数字物体反射(透射)后的光；步骤四：将K个特征散斑分别照射训练集中的60000张MNIST手写训练图片，并获取对应的桶探测器信号，利用桶探测器信号及其图片的类别标签作为图片数字分类算法的训练集，在计算机内对最近邻分类算法进行训练；步骤五：将K个特征散斑分别照射未知类别的数字图片，并获取对应的桶探测器信号；将桶探测器值输入到计算机内训练好的最近邻分类算法结果中，得到未知类别的数字图片的分类信息。