[发明专利]一种基于DMD及随机傅里叶特征变换的图像分类方法

权利要求书

1.一种基于DMD及随机傅里叶特征变换的图像分类方法，其特征在于：包括如下步骤：

步骤1、对训练图片进行基于颜色的动态模式分解，得到训练图片显著色彩矩阵；

步骤2、基于步骤1得到的显著色彩矩阵作为DMD特征，得到提取特征后的同类图片，并基于同类图片构建特征训练集X；

步骤3、对特征训练集X中的同类图片特征进行训练，得到训练好的分类模型参数；

其中，分类模型参数包括权重向量和分离间隔；且权重向量，记为w_new，表示特征空间分离面的单位法向量；分离距离，记为ρ，ρ为分离面和坐标原点的距离；

步骤3、具体包括如下子步骤：

步骤3.1、对特征训练集中同类图片的DMD特征进行随机傅里叶特征变换，得到随机傅里叶特征变换后的数据集合Z；

步骤3.2、从随机傅里叶特征变换后的数据集合Z中随机选择一个数据点作为初始权重向量并赋值给权重向量w；

步骤3.3、基于权重向量w通过黄金分割线搜索计算分离间隔ρ；

步骤3.4、对所有wz(x_j)-ρ小于0的数据点z(x_j)求平均后得到平均权重向量w_m；

其中，x_j为特征训练集X的数据，z(x_j)为数据集合Z中x_j的对应项；

步骤3.5、通过随机梯度下降方法选择w和w_m间新的权重向量w_new，并将w_new赋值给w；

步骤3.6、重复步骤3.3至步骤3.5，直至S次迭代后，得到趋于稳定的w_new；将此w_new记为最优权重向量w^*；

步骤3.7、根据黄金分割线搜索计算出最优权重向量w^*对应的最优分离间隔ρ^*；

其中，最优权重向量w^*以及最优分离间隔ρ^*为训练好的分类模型参数；

步骤4、对于待分类图片进行分类，具体包括如下子步骤：

步骤4.1、对待分类图片进行预处理，得到预处理后的待分类图片；

步骤4.2、对预处理后的待分类图片进行特征提取，得到待分类图片的特征；

步骤4.3、基于待分类图片的特征进行随机傅里叶特征变换，得到特征测试集Z；

步骤4.4、根据步骤3得到的w^*、ρ^*和特征测试集Z，计算w^*Z-ρ^*的值，记为P；

其中，P的维数为1×n_t；n_t为特征测试集Z中元素对应的待分类图片的数量；

步骤4.5、根据步骤4.4得到P的元素值进行判断，具体为：若P(v)≥0，则特征测试集Z中第v个元素对应的待分类图片与训练图片是同类图片；否则，若P(v)＜0，则特征测试集Z中第v个元素对应的待分类图片与训练图片是异类图片。

2.根据权利要求1所述的一种基于DMD及随机傅里叶特征变换的图像分类方法，其特征在于：步骤3.1中，随机傅里叶特征变换计算为式(1)：

其中，z(x_i)表示数据集合Z中第i个数据，该数据由x_i经公式(1)的随机傅里叶特征变换得到；x_i为特征训练集X中的第i个数据，i的变化范围为1到n且n为数据集合Z中的数据个数，特征维数为1×d，表明每个图片特征数据包括d个种类的特征，数据个数为n；P(·)为高斯分布，σ为核带宽，h_u是维数为1×d的随机生成矩阵，且u＝1，…，d_RF/2；d_RF为随机傅里叶特征变换的维度；T代表转置。

3.根据权利要求2所述的一种基于DMD及随机傅里叶特征变换的图像分类方法，其特征在于：步骤3.6中，S的取值范围为大于15且小于50。

4.根据权利要求3所述的一种基于DMD及随机傅里叶特征变换的图像分类方法，其特征在于：步骤3.6中基本趋于稳定的条件为w的模差值小于K。