[发明专利]一种高阶高维图像数据的表示与分类方法

摘要

本发明公开了一种高阶高维图像数据的表示与分类方法，属于模式识别领域，其解决了图像识别过程中受噪音影响、图像原始结构被破坏，数据特征维度高、表示算法与分类算法不契合等问题。本发明所采用的技术方案是，利用投影矩阵集将图像数据从原始空间按模式投影到低秩子空间中，得到数据的低秩表示；在低秩子空间中训练稀疏表示字典和线性分类器，对图像数据进行分。利用投影矩阵集将图像数据从原始空间按模式投影到低秩子空间中，得到数据的低秩表示；在低秩子空间中训练稀疏表示字典和线性分类器，对图像数据进行分类。

主权项

1.一种高阶高维图像数据的表示与分类方法，其特征在于：具体包含模型训练和分类预测两部分；模型训练用于利用已知类别的图像数据训练出具有分类能力的模型；分类预测用于利用训练得到的模型对未知类别的图像数据进行分类；其中，所述模型训练具体包含如下步骤：步骤1，直接使用张量形式表示每张图像，构造原始数据Y；步骤2，利用原始数据计算低秩投影矩阵集{U}，并将原始数据Y按模式投影到低秩子空间中，得到低秩数据；步骤3，利用低秩数据计算稀疏表示字典D和线性分类器W，并通过稀疏重构对低秩子空间进行修正，得到更具判别性的低秩子空间；步骤4，迭代步骤2和步骤3直至收敛；所述分类预测具体包含如下步骤：步骤a，直接使用张量形式表示未知类别的待分类图像数据；步骤b，利用低秩投影矩阵集{U}将知类别的待分类图像数据按模式投影到低秩子空间中，得到低秩数据；步骤c，利用稀疏表示字典D对低秩数据进行稀疏重构，得到稀疏重构系数a；步骤d，将稀疏重构系数a输入到分类器W中，得到类别标签向量l，则l中最大值对应的位置为图像预测类别。