[发明专利]基于正交性约束增量非负矩阵分解的有监督图像识别方法

摘要

本发明属于图像识别领域，具体涉及一种基于正交性约束增量非负矩阵分解的有监督图像识别方法，旨在为了解决现有有监督图像在线识别方法在新增样本较多时，累计训练时间消耗较长，识别效率较低的问题。本发明包括：获取初始样本集的矩阵表示Vc；获取Vc经ONMF算法分解得到基矩阵Wc和系数矩阵Hc；获取新增样本集的矩阵表示Vp，构建所有样本构成的数据矩阵Vz＝[Vc,Vp]，并基于Wc、Hc采用增加正交性约束的INMF算法获取基矩阵Wz；利用基矩阵Wz的Moore‑Penrose逆作为投影变换矩阵，分别对Vz及待识别图像集的矩阵Vtest进行投影变换，然后训练分类器并对Vtest进行识别分类。本发明在新增训练样本较多时，可以快速地动态更新基矩阵，大幅减少了时间消耗。

主权项

1.一种基于正交性约束增量非负矩阵分解的有监督图像识别方法，其特征在于，该方法包括：步骤S100，获取初始样本集的矩阵表示V_c；步骤S200，采用ONMF算法对V_c分解得到基矩阵W_c和系数矩阵H_c；步骤S300，获取新增样本集的矩阵表示V_p，构建所有样本构成的数据矩阵V_z＝[V_c,V_p]，并对W_c、H_c采用增加正交性约束的INMF算法获取基矩阵W_z；步骤S400，利用基矩阵W_z的Moore‑Penrose逆作为投影变换矩阵，分别对V_z、V_test进行投影变换对应得到低维投影矩阵H_train、H_test；其中，V_test为输入的待识别图像集的矩阵表示；步骤S500，利用H_train及其对应样本分类标签对分类器进行训练优化，并利用优化后的分类器对H_test进行识别分类。