[发明专利]基于D-S证据理论的视觉词典构建方法

权利要求书

1.一种基于D-S证据理论的视觉词典构建方法，其特征在于，所述方法包括：

S1、提取所有训练图像的SIFT特征，应用K均值实现初步的视觉字典分类得到K个子类；

S2、设定分类阈值t和熵阈值s，其中分类阈值t表示设定的最大聚类个数即最大视觉单词个数，阈值s表示允许应用D-S证据理论进行子类分解的信息熵阈值；

S3、判断当前的分类数是否小于t，若是，执行步骤S4，若否，执行步骤S7；

S4、对已有分类计算每个子类的信息熵；

S5、选择信息熵最大的一个子类作为当前要分解的类，判断该子类的信息熵是否大于s，若是，执行步骤S6，若否，执行步骤S7；

S6、将当前信息熵最大的子类h运用D-S证据理论进一步分类；

S7、计算新形成的子类的聚类中心，形成视觉词典。

2.根据权利要求1所述的方法，其特征在于，所述步骤S4中信息熵的计算公式为：

H(x)=-Σi=1rp(ai)logp(ai),]]>

其中，r表示当前子类中属于不同图像类的实际类别个数，p(a_i)表示当前类中属于第i类的区域在类中所有区域中所占的比例，且满足p(a_i)＞0，

3.根据权利要求1所述的方法，其特征在于，所述步骤S5中当前信息熵最大的子类为：

h=argmaxj=1m(Hj),]]>

其中，h表示当前信息熵最大的子类，m表示当前形成的所有子类的数目，H_j表示第j个类的信息熵。

4.根据权利要求1所述的方法，其特征在于，所述步骤S7中新形成的子类的聚类中心的计算公式为：

Cb=1nΣk=1nFk,b=1,2,...N,]]>

其中，N表示新形成的子类的数目，n表示第b个子类中图像区域的个数，F_k表示新形成的第b个子类中第k个区域的特征向量。