[发明专利]基于公共字典对和类依赖字典对的细粒度图像分类方法在审
| 申请号： | 201611035991.2 | 申请日： | 2016-11-22 |
| 公开（公告）号： | CN106778807A | 公开（公告）日： | 2017-05-31 |
| 发明（设计）人： | 郭继昌;张帆;王楠 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 天津市北洋有限责任专利代理事务所12201 | 代理人： | 刘国威 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于数字图像处理领域，为实现字典具有更强的判别性，避免对标准稀疏编码问题的求解，大大缩短分类用时，使系数具有一定的判别性。为此，本发明采用的技术方案是，基于公共字典对和类依赖字典对的细粒度图像分类方法，步骤如下(1)提取图像库训练样本的SIFT特征矩阵，然后通过K‑奇异值分解方法K‑SVD得到初始化字典；(2)建立基于公共字典对和类依赖字典对的字典学习模型；(3)采用迭代方法求解第2步中建立的字典模型，得到综合字典D和解析字典P，然后通过解析字典求解测试样本的稀疏表示矩阵；根据最小化重建误差的方法确定图像所属类别。本发明主要应用于数字图像处理场合。 | ||
| 搜索关键词： | 基于 公共 字典 依赖 细粒度 图像 分类 方法 | ||
【主权项】：
一种基于公共字典对和类依赖字典对的细粒度图像分类方法，其特征是，步骤如下：(1)提取图像库训练样本的SIFT特征矩阵，然后通过K‑奇异值分解方法K‑SVD得到初始化字典；(2)建立基于公共字典对和类依赖字典对的字典学习模型，字典学习模型中包含数据保真项，字典判别性约束项和系数判别性约束项，通过以上各项使字典具有更好的判别性；(3)采用迭代方法求解第2步中建立的字典模型，得到综合字典D和解析字典P，然后通过解析字典求解测试样本的稀疏表示矩阵；(4)根据最小化重建误差的方法确定图像所属类别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201611035991.2/，转载请声明来源钻瓜专利网。
