[发明专利]一种基于关联规则的分布式多标签图像识别方法

摘要

本发明公开了一种基于关联分类规则的分布式多标签图像识别方法，该方法包括分布图像样本的预处理、图像分割、特征提取、特征值离散化、全局频繁项目集L的挖掘、多标签关联分类规则MLACR的构造和图像识别；采用了一种基于二进制形式的全局候选项目集生成、修剪以及支持数计算方法，降低了算法的实现难度以及通信量。该方法经过两次修剪操作，明显缩小了全局候选项目集的规模，进一步提高了算法的执行效率。方法使用了约简方法，确保MLACR中不会出现多余规则。该方法可以一次性地识别出训练样本分布式情况下图像所包含的多个标签，可以快速生成分布式环境下的全局候选频繁项目集及其支持数的计算，实现准确高效的多标签图像识别功能。

主权项

一种基于关联规则的分布式多标签图像识别方法，包括全局候选频繁项目集的生成、支持数的计算以及图像识别步骤，其特征在于：所述全局候选频繁项目集的生成、支持数的计算和图像识别步骤包括：步骤1 分布式图像样本数据集的准备和预处理，包括各站点训练图像格式转换、尺度归一化、去噪、增强；步骤2 各站点采用基于密度聚类的图像分割方法分别识别出每幅训练图像的待识别区域；步骤3 各站点分别提取每幅训练图像中待识别区域的特征，构造各站点的训练图像样本数据集DB_i，所述图像样本数据集DB_i的模式为关系模式R(A₁,.,A_p,B₁,.,B_q)，其中p和q分别为非标签属性和标签属性的个数，A₁,.,A_p为非标签属性的属性名，B₁,.,B_q为标签属性的属性名，i＝1,2,…,n。总的训练样本集DB＝DB₁∪DB₂∪……∪DB_n，DB_i∩DB_j＝Φ，i≠j；步骤4 特征值离散化，各站点分别对连续属性进行离散化；步骤5 全局频繁项目集L的挖掘；步骤6 多标签关联分类规则MLACR的构造，所述多标签关联分类规则MLACR的构造分为多标签频繁关联分类规则MLFCAR的构造和多标签关联分类规则MLACR的生成，其步骤包括：步骤6.1 构造多标签频繁关联分类规则的前件P和后件Q，其中：所述前件为全局频繁项目集L中所包含的非标签属性集，所述后件为全局频繁项目集L中所包含的标签属性集；步骤6.2 分别计算多标签频繁关联分类规则MLFCAR中各分类规则的置信度，其中规则的置信度计算公式为：Count(P∪Q)/Count(P)；步骤6.3 删除多标签频繁关联分类规则MLFCAR中置信度小于minconf的分类规则，构造最终的多标签频繁关联分类规则MLFCAR，其中minconf为最小置信度阈值；步骤6.4 对多标签频繁关联分类规则MLFCAR进行约简，得到多标签关联分类规则MLACR；步骤7 图像识别。