[发明专利]一种基于稀疏因子分析的图像视觉属性挖掘方法

摘要

本发明提供一种基于稀疏因子分析的图像视觉属性挖掘方法。技术方案包括下述步骤：第一步，计算图像集合的特征矩阵。对图像集合I中的每一幅图像I_i计算一个D维的梯度方向直方图特征向量，得到图像集合的特征矩阵X。第二步，挖掘图像集合的视觉属性。初始化视觉属性矩阵A为X的前K列，初始化视觉属性混合系数矩阵Y为单位对角矩阵，采用交替优化进行迭代，得到最优的视觉属性矩阵A。本发明自动挖掘图像视觉属性，避免了属性学习需要大量人工标记样本的缺点，通过在视觉属性混合系数矩阵优化时引入稀疏约束，大大提高了视觉属性的区分性能。

主权项

1.一种基于稀疏因子分析的图像视觉属性挖掘方法，其特征在于，包括下述步骤：第一步，计算图像集合的特征矩阵：对图像集合Ι＝{Ii|i＝1,2,...,N}中的每一幅图像Ii计算一个D维的梯度方向直方图特征向量xi∈RD，得到图像集合的特征矩阵X∈RD×N，其中xi表示为列向量，D的取值根据图像大小和梯度方向直方图特征提取参数确定；第二步，挖掘图像集合的视觉属性：根据经验设定最大迭代次数，初始化视觉属性矩阵A∈RD×K，K为属性的种类数且K＜min{D,N}，A的取值为X的前K列，初始化视觉属性混合系数矩阵Y∈RK×N，Y为单位对角矩阵，然后进行下述迭代：①固定A不变，调整Y，采用非负二次规划方法优化下式：其中Y≥0 (公式一)其中yi为Y的第i列，设经过优化Y变为Y′；②固定Y′不变，调整A，采用非负二次规划方法优化下式：其中A≥0 (公式二)设经过优化A变为A′；③对A′的列进行l2范数归一化得到A″；④判断是否满足最大迭代次数，是则结束迭代，视觉属性矩阵A″即为所求结果；否则令A＝A″，Y＝Y′，返回①。