[发明专利]一种用于提取数字图像特征的字典学习及编码方法

摘要

本发明公开了一种用于提取数字图像特征的字典学习及编码方法，包括以下步骤：将输入图像分割成固定大小的图像块矢量，利用第一层字典，通过局部性约束稀疏编码获得每个图像块矢量的稀疏表示；将图像块矢量的表示结果做池化，得到第一层编码结果矩阵；将第一层编码结果矩阵继续分割成矢量，利用第二层字典，通过局部性约束稀疏编码获得每个矢量的稀疏表示结果，作为第二层表示结果；将第二层表示结果做池化，将池化后的结果作为最终的图像特征。本方法能够通过稀疏编码实现图像的特征提取，在失真情况下亦能保证其结果的鲁棒性及区分性。可应用于图像内容识别等方面。

主权项

1.一种用于提取数字图像特征的字典学习及编码方法，其特征在于，所述字典学习及编码方法包括以下步骤：将输入图像分割成固定大小的图像块矢量，由训练图像选取固定大小的图像块矢量学习得到第一层字典，利用第一层字典，通过局部性约束稀疏编码获得每个图像块矢量的稀疏表示；对输入图像中的所有图像块矢量的编码结果做尺寸为P×P的平均值池化，P表示水平和垂直方向上相邻矢量的个数，将池化后的结果作为第一层编码结果矩阵；将第一层编码结果矩阵继续分割成矢量，利用第一层编码结果矩阵学习得到的第二层字典，通过局部性约束稀疏编码获得每个矢量的稀疏表示结果，作为第二层表示结果；对第二层编码结果的矩阵按做尺寸为Q×Q的平均值池化，Q表示水平和垂直方向上相邻矢量的个数，将池化后的结果作为最终的图像特征；其中，利用第一层字典，通过局部性约束稀疏编码获得每个图像块矢量的稀疏表示具体为：根据稀疏编码第一层字典D＝[d₁,…,d_K]∈R^M×K依次对矢量y_i进行稀疏编码，d₁,…,d_K为字典中的K个原子，第一层字典的生成由训练图像中随机选取的固定大小的图像块学习得到；M为维数；其中，通过局部性约束稀疏编码获得每个矢量的稀疏表示结果，作为第二层表示结果具体为：1)将第一层编码结果矩阵按原始图像块分割成一系列维数为K的第一层编码结果矢量x_li∈R^K；2)对于每一个矢量x_1i，根据稀疏编码第二层字典依次对x_1i进行稀疏编码，第二层字典的生成与第一层字典的生成相同。