[发明专利]压缩图像特征空间的方法及装置

说明书

本公开是关于压缩图像特征空间的方法及装置。该压缩图像特征空间的方法包括：获取至少两个图像样本的图像特征和图像类别；根据各图像样本的图像特征和图像类别，确定映射矩阵；根据映射矩阵分别对各图像样本的图像特征进行映射变换，得到各图像样本的投影特征；其中，各图像样本的投影特征的空间维度小于各图像样本的图像特征的空间维度。本公开能够在保证图像特征精确度的同时，压缩图像特征维度，减少特征存储空间，提高后期应用执行效率，有利于后期工业应用推广。

技术领域

本公开涉及图像处理技术领域，尤其涉及压缩图像特征空间的方法及装置。

背景技术

图像分类是指根据图像信息中所反映的不同特征，把不同类别的目标区分开来的图像处理方法。

相关技术中，当前图像分类主要聚焦于特征提取阶段，例如，卷积神经网络的深度特征提取，或者传统的手工特征构建等。

发明内容

为克服相关技术中存在的问题，本公开实施例提供一种压缩图像特征空间的方法及装置。所述技术方案如下：

根据本公开实施例的第一方面，提供一种压缩图像特征空间的方法，包括：

获取至少两个图像样本的图像特征和图像类别；

根据各所述图像样本的图像特征和图像类别，确定映射矩阵；

根据所述映射矩阵分别对各所述图像样本的图像特征进行映射变换，得到各所述图像样本的投影特征；其中，各所述图像样本的投影特征的空间维度小于各所述图像样本的图像特征的空间维度。

在一个实施例中，根据各所述图像样本的图像特征和图像类别，确定映射矩阵，包括：

根据各所述图像样本的图像特征和图像类别，依次针对各所述图像样本中的图像样本对，使用如下公式计算所述映射矩阵P：

其中，图像样本i及图像样本j为各所述图像样本中的任一个图像样本对；f_i为图像样本i的图像特征，f_j为图像样本j的图像特征；F_P(f_i,f_j)为使用最近一次更新的映射矩阵P分别对图像特征f_i与图像特征f_j进行映射后得到的投影特征之间的欧式距离；t为迭代次数；T为临界阈值；ε_ij为特征外积，ε_ij＝(f_i-f_j)^T(f_i-f_j)；l_ij为类别系数，若图像样本i和j的图像类别相同则l_ij取值为1，若图像样本i和j的图像类别不相同则l_ij取值为-1；а为函数学习率。

在一个实施例中，所述映射矩阵P的目标函数为：

在一个实施例中，根据所述映射矩阵分别对各所述图像样本的图像特征进行映射变换，得到各所述图像样本的投影特征，包括：

分别计算各所述图像样本的图像特征与所述映射矩阵的乘积，将得到的乘积值确定为各所述图像样本的图像特征对应的投影特征。

在一个实施例中，所述图像特征至少包括以下任一种类型或组合：深度特征、或手工特征。

根据本公开实施例的第二方面，提供一种压缩图像特征空间的装置，包括：

获取模块，用于获取至少两个图像样本的图像特征和图像类别；

确定模块，用于根据各所述图像样本的图像特征和图像类别，确定映射矩阵；