[发明专利]一种基于局部几何感知的图像目标分类方法

摘要

一种基于局部几何感知的图像目标分类方法，其技术方案是：对于一幅图像预处理后的向量数据点xi，分别从所有幅图像预处理后的向量数据点构成矩阵数据X中，选择与一幅图像预处理后的向量数据点xi类别相同的3个近邻点建立流形局部特征平面，计算一幅图像预处理后的向量数据点xi在流形局部特征平面的投影，获得局部协方差矩阵，然后用对数欧式距离度量流形局部特征空间之间的多流形散度，通过最大化多流形散度来寻找低维投影矩阵A，以此实现图像目标的判别特征提取，最后采用最近邻分类器对图像目标特征进行分类。本发明通过最大化多流形散度来提取图像的分类特征，具有提高图像分类效果的特点。

主权项

1.一种基于局部几何感知的图像目标分类方法，其特征在于，包括如下步骤：S1、对采集的图像进行预处理，得到预处理后的图像向量数据矩阵X＝[X₁,X₂,…,X_C]，其中：C是类别数，M是向量化后的特征维度，N_c是第c个类的图像类别数量，1≤c≤C；S2、对于第c个类X_c中任一幅图像预处理后的向量数据点x_i，选取与一幅图像预处理后的向量数据点x_i欧氏距离最近的三个向量数据点x_i1，x_i2，x_i3组成最近邻特征平面，获得任一幅图像预处理后的向量数据点x_i在最近邻特征平面的投影以及表示最近邻特征平面投影的3维权重系数向量W_c，将权重系数向量W_c扩充到N维，其中具有近邻关系的向量点之间权重系数不变，其他为0；S3、对图像向量数据矩阵X中其余类的数据点，重复上述步骤，得到所有类别的权重系数矩阵W＝[W₁,W₂,…,W_C]∈R^N×N，其中N是所有预处理后的图像的总数目，S4、基于计算出的权重系数矩阵W＝[W₁,W₂,…,W_C]∈R^N×N，计算每个类的局部协方差矩阵，得到局部协方差矩阵C＝[C₁,C₂,…,C_C]；S5、基于所述局部协方差矩阵构建目标函数，通过最大化目标函数，得到低维投影矩阵；S6、基于所述低维投影矩阵，对于一幅图像预处理后的向量数据点x_i，计算其经过线性投影后的低维特征Y_i；S7、使用最近邻算法对所述低维特征Y_i进行分类，从而完成图像目标的分类。