[发明专利]基于多核学习K-SVD的识别方法及其系统

权利要求书

1.一种基于多核学习K-SVD的识别方法，其特征在于，方法包括：

S1.将经验图像训练转化为列向量形成字典D；

S2.通过多核函数将字典D分类训练得到字典D'；

S3.将字典D'通过K-SVD进行字典更新，得到字典D”；

S4.将待识别图像与字典D”进行冗余计算，得到残差值集合；

S5.获取残差值集合中的最小值，判断最小残差值是否在预设的阈值范围内；

S6.若最小残差值在预设的阈值范围内，则完成图像识别匹配。

2.根据权利要求1所述的识别方法，其特征在于：所述步骤S2后，步骤S3前还包括：将字典D'每一列归一单元化，使其具有单位范数。

3.根据权利要求2所述的识别方法，其特征在于：所述步骤S3后，步骤S4前还包括：根据字典D”计算L2范数最小化以及稀疏系数。

4.根据权利要求1所述的识别方法，其特征在于：所述步骤S6具体为：

若最小残差值在预设的阈值范围内，则将待识别图像归入最小残差值对应字典D”的分类中，完成图像识别匹配。

5.根据权利要求1所述的识别方法，其特征在于：若步骤S5中判断最小残差值不在预设的阈值范围内时，则图像识别显示不匹配。

6.一种基于多核学习K-SVD的识别系统，其特征在于，系统包括：转化模块、多核训练模块、K-SVD更新模块、残差计算模块、残差判断模块以及识别匹配模块；所述转化模块、多核训练模块、K-SVD更新模块、残差计算模块、残差判断模块以及识别匹配模块依次连接，其中：

转化模块，用于将经验图像训练转化为列向量形成字典D；

多核训练模块，用于通过多核函数将字典D分类训练得到字典D'；

K-SVD更新模块，用于将字典D'通过K-SVD进行字典更新，得到字典D”；

残差计算模块，用于将待识别图像与字典D”进行冗余计算，得到残差值集合；

残差判断模块，用于获取残差值集合中的最小值，判断最小残差值是否在预设的阈值范围内；

识别匹配模块，用于若最小残差值在预设的阈值范围内，则完成图像识别匹配。

7.根据权利要求6所述的识别系统，其特征在于，还包括归一单元模块，所述归一单元模块连接于多核训练模块以及K-SVD更新模块，所述归一单元模块用于将字典D'每一列归一单元化，使其具有单位范数。

8.根据权利要求7所述的识别系统，其特征在于，还包括范数计算模块，所述范数计算模块连接于K-SVD更新模块以及残差计算模块，所述范数计算模块用于根据字典D”计算L2范数最小化以及稀疏系数。

9.根据权利要求6所述的识别系统，其特征在于，所述识别匹配模块具体用于：所述残差判断模块判断出最小残差值在预设的阈值范围内时，所述识别匹配模块将待识别图像归入最小残差值对应字典D”的分类中，完成图像识别匹配。

10.根据权利要求6所述的识别系统，其特征在于，还包括不匹配显示模块，所述不匹配显示模块与残差判断模块连接，当残差判断模块判断出最小残差值不在预设的阈值范围内时，所述不匹配显示模块对图像识别显示为不匹配。