专利名称：基于核自适应局部保持映射的图像分类方法和图像处理器的利记博彩app
技术领域：
本发明涉及图像处理技术领域，更具体地说，涉及一种基于核自适应局部保持映射的图像分类方法。
背景技术：
数字图像是计算机处理的最常见媒体形式之一，如人脸图像、手写体文字、指纹、 地图、自然照片等，相应地，产生了各种图像识别系统并得到广泛应用，如人脸识别系统、手写体识别系统、图像检索系统、遥感图像检索系统等。各类图像分类系统已广泛应用于国防、军事、商业等领域，在国民经济建设、国家安全等占有重要地位。最近，作为一种新的维数约简方法，流形学习方法引起了研究学者的广泛兴趣，并取得了大量的研究成果，其中具有代表性的算法有局部线性嵌入(LLE)，等距映射(Isomap)，拉普拉斯特征映射(Laplacian Eigenmap)以及最近提出的局部保持映射 (LPP)。局部保持映射(LPP)的思想为通过保留局部邻近结构将数据从原始空间映射到低维特征空间。为了提升局部保持映射算法在进行图像非线性特征提取的能力，研究学者提出了基于核方法的局部保持映射的图像分类算法，然而核函数是影响核学习算法性能的重要因素，是核学习的一个重要环节，目前核局部保持映射的图像分类方法在执行过程中核函数及其参数是预先设定的，且在算法执行过程中保持不变的，而数据在不同核函数映射下的特征空间内具有不同的几何结构，若核函数及参数的选择不当会直接导致数据在特征空间的几何结构不适合分类，影响核学习算法的性能。现有技术中也提出了核函数参数可调的核学习算法，这些算法的思路是从一个离散参数集合选出一个合适的核参数，这些算法在一定程度上提高了核学习算法的性能，但未改变数据在核映射空间内的几何结构，不能从根本上改变核学习算法的性能，因而导致基于核学习的图像分类器中存在的核函数选择的不准确。
发明内容
本发明的目的是解决目前基于核学习的图像分类器存在的核函数选择不准确的问题，提供了一种基于核自适应局部保持映射的图像分类方法。本发明解决其技术问题所采用的技术方案是—种基于核自适应局部保持映射的图像分类方法，其包括训练步骤和分类步骤， 其中，所述训练步骤包括步骤Si、对待训练的图像进行预处理，得到归一化的图像数据；S2、对步骤Sl获得的待训练图像利用Gabor小波分析进行特征提取，得到图像的 Gabor特征向量；S3、对步骤S2获得的图像的Gabor特征向量进行训练，获得图像的核自适应局部保持映射；
S4、将步骤S3中获得的核自适应局部保持映射作用到对步骤S2中获得的训练图像的Gabor特征向量中，获得训练图像的核自适应局部保持映射分析特征向量；所述分类步骤S5、对待分类的图像进行预处理，得到归一化的图像数据；S6、对步骤S5获得图像利用Gabor小波分析进行特征提取，得到图像的Gabor特征向量；S7、将步骤S3中获得的核自适应局部保持映射作用在步骤6中获得的待分类图像的Gabor特征向量上，获得待分类图像的核自适应局部保持映射分析特征向量；S8、将步骤S7中得到的待分类图像的核自适应局部保持映射分析特征向量与步骤S4中得到的训练图像的核自适应局部保持映射分析特征向量进行匹配得到该图像的类别信息。其中，优选的，所述步骤S3具体包括步骤S31、选择基本核函数k(Zl， )、数据依赖核函数及与二者相关的参数，并由基本核函数k(zi，z2)计算获得基本核矩阵K;步骤S32、给定训练样本数据，并根据所述给定的训练样本数据以及选择膨胀向量的方法，获得膨胀向量的表达式；再根据获得的膨胀向量的表达式、所述基本核矩阵K和步骤S2所获得的图像的Gabor特征向量，并利用最大间隔核自适应优化准则，计算并获得数据依赖核函数的膨胀系数向量；步骤S33、利用步骤S31获得的数据依赖核函数的膨胀系数向量，构造并获得数据依赖核函数$(6, )和数据依赖核矩阵S:；步骤S34、根据步骤S33获得的最优的数据依赖核函数和数据依赖核矩阵
S:,计算并获得核自适应局部保持映射特征向量。其中，优选的，所述步骤S32具体包括步骤S321、给定训练样本数据z (1)，ζ O)，. . .，ζ (η)，其中η表示训练样本数据中包含的数据个数，由选择膨胀向量的方法获得膨胀向量的表达式为
权利要求
1.一种基于核自适应局部保持映射的图像分类方法，其特征在于，包括训练步骤和分类步骤，其中，所述训练步骤包括步骤51、对待训练的图像进行预处理，得到归一化的图像数据；52、对步骤Sl获得的待训练图像利用Gabor小波分析进行特征提取，得到图像的Gabor 特征向量；53、对步骤S2获得的图像的Gabor特征向量进行训练，获得图像的核自适应局部保持映射；54、将步骤S3中获得的核自适应局部保持映射作用到对步骤S2中获得的训练图像的 Gabor特征向量中，获得训练图像的核自适应局部保持映射分析特征向量；所述分类步骤55、对待分类的图像进行预处理，得到归一化的图像数据；56、对步骤S5获得图像利用Gabor小波分析进行特征提取，得到图像的Gabor特征向量；57、将步骤S3中获得的核自适应局部保持映射作用在步骤S6中获得的待分类图像的 Gabor特征向量上，获得待分类图像的核自适应局部保持映射分析特征向量；58、将步骤S7中得到的待分类图像的核自适应局部保持映射分析特征向量与步骤S4 中得到的训练图像的核自适应局部保持映射分析特征向量进行匹配得到该图像的类别信肩、ο
2.根据权利要求1所述的基于核自适应局部保持映射的图像分类方法，其特征在于， 所述步骤S3具体包括步骤S31、选择基本核函数k(Zl^2)、数据依赖核函数^ζι，ζ2)及与二者相关的参数，并由基本核函数k(Zl，z2)计算获得基本核矩阵K ；步骤S32、给定训练样本数据，并根据所述给定的训练样本数据以及选择膨胀向量的方法，获得膨胀向量的表达式；再根据获得的膨胀向量的表达式、所述基本核矩阵K和步骤S2 所获得的图像的Gabor特征向量，并利用最大间隔核自适应优化准则，计算并获得数据依赖核函数》(、。)的膨胀系数向量；步骤S33、利用步骤32获得的数据依赖核函数Mz1^2)的膨胀系数向量，构造并获得数据依赖核函数Mz1^2)和数据依赖核矩阵S；步骤S34、根据步骤S33获得的最优的数据依赖核函数^z1J2)和数据依赖核矩阵玟，计算并获得核自适应局部保持映射特征向量。
3.根据权利要求2所述的基于核自适应局部保持映射的图像分类方法，其特征在于， 所述步骤S32具体包括步骤S321、给定训练样本数据z (1)，ζ ，. . .，ζ (η)，其中η表示训练样本数据中包含的数据个数，由选择膨胀向量的方法获得膨胀向量的表达式为
4.根据权利要求2或3所述的基于核自适应局部保持映射的图像分类方法，其特征在于，所述步骤S34具体过程包括SMI、利用给定的数据依赖核函数，力来构造核矩阵. 和相似性矩阵Stc和Dtc，其中
5.根据权利要求1所述的基于核自适应局部保持映射的图像分类方法，其特征在于， 步骤S4具体包括逐一计算训练样本数据中每一种类别数据的平均值，选定相似量度表达式，分别计算步骤S3获得的核自适应局部保持映射特征向量与所属每一种类别图像特征数据的平均值的相似量度值，并在计算所得的所有相似量度值中找出最大的相似量度值，则该最大的相似量度值所对应的数据的类别即为该待分类图像的类别。
6. 一种图像处理器，其特征在于，包括 训练单元和分类单元，其中，所述训练单元包括第一归一化单元，用于对待训练的图像进行预处理，得到归一化的图像数据； 第一特征提取单元，用于对所述第一归一化单元所获得的待训练图像利用Gabor小波分析进行特征提取，得到图像的Gabor特征向量；第一映射单元，对第一特征提取单元获得的图像的Gabor特征向量进行训练，获得图像的核自适应局部保持映射；特征向量获取单元，用于将第一映射单元获得的核自适应局部保持映射作用到第一特征提取单元获得的训练图像的Gabor特征向量中，获得训练图像的核自适应局部保持映射分析特征向量；所述分类单元包括第二归一化单元，用于对待分类的图像进行预处理，得到归一化的图像数据； 第二特征提取单元，对第二归一化单元获得图像利用Gabor小波分析进行特征提取， 得到图像的Gabor特征向量；第二映射单元，将第一映射单元获得的核自适应局部保持映射作用在第二特征提取单元获得的待分类图像的Gabor特征向量上，获得待分类图像的核自适应局部保持映射分析特征向量；图像类别匹配单元，将第二映射单元得到的待分类图像的核自适应局部保持映射分析特征向量与特征向量获取单元得到的训练图像的核自适应局部保持映射分析特征向量进行匹配得到该图像的类别信息。
全文摘要
本发明涉及一种基于核自适应局部保持映射的图像分类方法和图像处理器，该方法包括步骤先对图像数据进行训练，获得图像的核自适应局部保持映射和获得训练图像的核自适应局部保持映射分析特征向量；对待分类的图像处理得到归一化的图像数据将图像数据进行特征提取，得到图像的Gabor特征向量；将该图像的Gabor特征向量进行核自适应保持映射，获得图像的局部保持映射分析特征向量；然后对获得的核自适应局部保持映射特征向量进行分类以获得图像的类别。该基于核自适应局部保持映射的图像分类方法，通过数据依赖核，改变数据依赖核的相应参数达到改变核结构的目的，并根据核局部保持映射的图像特征提取，能够准确进行图像分类。
文档编号G06K9/66GK102194135SQ20101011977
公开日2011年9月21日 申请日期2010年3月8日 优先权日2010年3月8日
发明者李君宝, 潘正祥 申请人:艾美特电器(深圳)有限公司