[发明专利]一种基于半监督学习的提取图像特征的方法与装置

摘要

本发明实施例公开了一种基于半监督学习的提取图像特征的方法与装置，初始化模型参数，对图像数据进行预处理得到图像样本；并将图像样本划分为包括有标签样本和无标签样本的训练样本、只包含无标签样本的测试样本；依据成对约束条件，确定出训练样本中有标签样本对应的约束集；利用近邻搜索算法，构建所有训练样本对应的近邻图，并计算权重矩阵；通过最小化特征近似错误，对训练样本进行低维流形特征处理，得到低维流形特征和线性投影矩阵；利用线性投影矩阵提取训练样本和测试样本的图像特征。通过该技术方案可以同时保持样本数据间的全局和局部结构信息，提高特征的可鉴别性。并且实现快速将新的测试数据映射到低维，提高图像特征提取的性能。

主权项

一种基于半监督学习的提取图像特征的方法，其特征在于，包括：初始化模型参数，对获取的图像数据进行预处理，得到图像样本；并将所述图像样本划分包括有标签样本和无标签样本的训练集作为训练样本、只包含无标签样本的测试集作为测试样本；依据成对约束条件，确定出所述训练样本中有标签样本对应的约束集；利用近邻搜索算法，构建所述训练样本对应的近邻图，并计算得到权重矩阵，用于度量测试样本之间的近邻结构信息；依据所述约束集和所述权重矩阵，通过最小化特征近似错误，对所述训练样本进行低维流形特征处理，得到所述训练样本的低维流形特征，以及用于获取低维流形特征的线性投影矩阵；利用所述线性投影矩阵提取所述训练样本和所述测试样本的图像特征。