[发明专利]一种基于多方协同图像数据分析方法和系统

说明书

本发明提供一种基于多方协同图像数据分析方法和系统，包括：获取图像样本集，对图像样本集中的图像样本进行缺失值处理；计算图像样本i的限度密度，并计算图像样本i到临近图像样本j的间隔距离，临近图像样本j的限度密度大于图像样本i的限度密度，且临近图像样本j距离图像样本i最近；根据每个图像样本的限度密度和间隔距离构成决策图，并以限度密度和间隔距离较大的图像样本作为组中心，得到组中心集合；计算离分图像样本；将除组中心外的非离分图像样本按照第一分配策略分配到相应的组，将第一分配策略未分配到的非离分图像样本和离分图像样本按照第二分配策略分配到相应的组；本发明能够对数量较大的图像数据集的分组，分配精准且快捷。

技术领域

本发明图像处理领域，特别是指一种基于多方协同图像数据分析方法和系统。

背景技术

网络中的图像数据数量巨大，如果想要利用这些图像做相关研究，首先需要对图像进行分类分组，根据图像的内容，在无先验知识的情况下，将图像按照相似度进行分类。使得分类后的图像类内相似度高，类间相似度低，但如果进行人工操作，工作量巨大，不可能实现，如果利用现有的对图像进行特征提取再进行分类，由于图像数量巨大，对计算机的存储空间和运行内存都提出了很大的挑战。

发明内容

本发明的主要目的在于克服现有技术中的上述缺陷，提出一种基于多方协同图像数据分析方法，利用本发明提出的方案，能够实现对数量较大的图像数据集的分组，且分配精准，简单快捷。

本发明采用如下技术方案：

一种基于多方协同图像数据分析方法，包括如下步骤：

获取图像样本集，对图像样本集中的图像样本进行缺失值处理；

计算图像样本i的限度密度，并计算所述图像样本i到临近图像样本j的间隔距离，所述临近图像样本j的限度密度大于图像样本i的限度密度，且临近图像样本j距离图像样本i最近；

根据每个图像样本的限度密度和间隔距离构成决策图，并以限度密度和间隔距离较大的图像样本作为组中心，得到组中心集合；

计算离分图像样本；

将除组中心外的非离分图像样本按照第一分配策略分配到相应的组，将第一分配策略未分配到的非离分图像样本和离分图像样本按照第二分配策略分配到相应的组。

具体地，计算图像样本i的限度密度，并计算所述图像样本i到临近图像样本j的间隔距离，具体为：

；

；

对于限度密度最大的图像样本i，其；

其中，为图像样本i的限度密度，为图像样本i和图像样本j的欧式距离，为图像样本i的K个近邻图像样本构成的集合，为图像样本i到临近图像样本j的间隔距离。

具体地，所述计算离分图像样本，具体为：

；

；

；

其中，o为离分图像样本，为图像样本i的KNN距离，为定义的阈值，N为图像样本总数，为图像样本i和图像样本j的欧式距离。

具体地，将除组中心外的非离分图像样本按照第一分配策略分配到相应的组，所述第一分配策略为：

步骤S11，从组中心集合CI选出一个未访问样本点ci，作为一个新组的组中心，标记ci为已访问；

步骤S12，将ci点的近邻集合KNN(ci)中的样本并入ci所在组，初始化队列Vq，并将KNN(ci)中样本依次入队列Vq；

步骤S13，删除队列Vq的队头样本q后，对于集合KNN(q)中每个样本r，若满足条件：i)没有被分配，ii)非离分点，iii)，则将r归入q所属组，并将样本r加入队列Vq尾部；

步骤S14，若队列Vq不为空，则转S13；

步骤S15，若CI中还有未被访问的样本点，则转步骤S11，否则结束第一分配策略。