[发明专利]基于核函数与稀疏编码的高清图像分类方法

权利要求书

1.一种基于核函数与稀疏编码的高清图像分类方法，其特征在于，包括以下步骤：

提取每张高清图像的视觉特征；

对视觉特征的欧氏空间进行核函数映射；

根据变换后的视觉特征生成高清图像类别的稀疏编码；

依据所述的高清图像类别的稀疏编码建立图像非线性分类器，确定所述高清图像所属的类别。

2.如权利要求1所述的基于核函数与稀疏编码的高清图像分类方法，其特征在于，提取每张高清图像的视觉特征包括：

提取每张图像的颜色、纹理、形状、方向梯度直方图、尺度不变特征转换特征作为其视觉特征X=[X¹,…,X^K]，其中，K为视觉特征的数量。

3.如权利要求1所述的涉及数字图像处理领域，其特征在于，所述对视觉特征的欧氏空间进行核函数映射包括：

对所述的视觉特征进行核函数映射，将视觉特征的欧氏空间变换成度量空间。

4.如权利要求1所述的基于核函数与稀疏编码的高清图像分类方法，其特征在于，根据变换后的视觉特征生成高清图像类别的稀疏编码包括：

定义高清图像相互间的线性表示为

定义高清图像的重构误差为

根据重构误差最优化和编码尽量稀疏原则，确定高清图像类别的稀疏编码。

5.如权利要求4所述的基于核函数与稀疏编码的高清图像分类方法，其特征在于，根据重构误差最优化和编码尽量稀疏原则，确定高清图像类别的稀疏编码的步骤包括：

高清图像的稀疏编码矩阵R=[rjk],k=1,2,···K;j=1,2,···,J,]]>为第j个类别的第k个特征的稀疏编码，K为所述视觉特征的数量，J为高清图像的类别数，则稀疏编码矩阵R应满足

其中，为第k个视觉特征的核函数映射，为第j个类别的高清图像训练样本集的第k个视觉特征的特征向量，为第j个类别的高清图像的稀疏编码，μ为平衡参数，y^k为某个高清图像的第k个视觉特征的特征向量。

6.如权利要求5所述的基于核函数与稀疏编码的高清图像分类方法，其特征在于，依据所述的高清图像类别的稀疏编码建立图像非线性分类器，确定所述高清图像所属的类别的步骤包括：

确定高清图像的K个视觉特征的权重w^k(k=1,2,…K)；

根据所述的稀疏编码矩阵R和视觉特征的权重向量w^k(k=1,2,…K)，构建高清图像非线性分类器为：

其中，y^k为待分类的高清图像样本的第k个视觉特征的特征向量。

7.如权利要求6所述的基于核函数与稀疏编码的高清图像分类方法，其特征在于，高清图像的K个视觉特征的权重w^k(k=1,2,…K)应满足：

maxσ,ϵ,w-σ+1NΣi=1Nϵi,]]>

s.t.Σk=1Kwkλi,lik-ϵi≤Σk=1Kwkλi,jk-σ,∀i=1,2,···,N,j=1,2,···,J,j≠li]]>

Σk=1Kwk=1,σ≥0,ϵi≥0,∀i,k]]>

其中，ε为松弛变量，σ为差额参数，Vval={(vi1,···,viK),li}i=1N,li∈{1,···,J}]]>为高清图像的验证样本集，l为相应的高清图像的类别，为第i个高清图像样本的重构误差。