买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京理工大学

摘要：本发明涉及一种基于DMD及随机傅里叶特征变换的图像分类方法，属于图像分类技术领域。所述方法，包括：步骤1、对训练图片进行基于颜色的动态模式分解，得到训练图片显著色彩矩阵；步骤2、基于步骤1得到的显著色彩矩阵作为DMD特征，得到提取特征后的同类图片，并基于同类图片构建特征训练集X；步骤3、对特征训练集X中的同类图片特征进行训练，得到训练好的分类模型参数；步骤4、对于待分类图片进行分类。所述方法对于小样本图像、单一样本图像的识别准确率高；对于具有复杂背景的图像识别准确率高，且时间复杂度和空间复杂度低；避免神经网络结果选择和局部最小值问题；对高维、非线性分类问题具有很好的泛化性。

主权项：1.一种基于DMD及随机傅里叶特征变换的图像分类方法，其特征在于：包括如下步骤：步骤1、对训练图片进行基于颜色的动态模式分解，得到训练图片显著色彩矩阵；步骤2、基于步骤1得到的显著色彩矩阵作为DMD特征，得到提取特征后的同类图片，并基于同类图片构建特征训练集X；步骤3、对特征训练集X中的同类图片特征进行训练，得到训练好的分类模型参数；其中，分类模型参数包括权重向量和分离间隔；且权重向量，记为wnew，表示特征空间分离面的单位法向量；分离距离，记为ρ，ρ为分离面和坐标原点的距离；步骤3、具体包括如下子步骤：步骤3.1、对特征训练集中同类图片的DMD特征进行随机傅里叶特征变换，得到随机傅里叶特征变换后的数据集合Z；步骤3.1中，随机傅里叶特征变换计算为式1： 其中，zxi表示数据集合Z中第i个数据，该数据由xi经公式1的随机傅里叶特征变换得到；xi为特征训练集X中的第i个数据，i的变化范围为1到n且n为数据集合Z中的数据个数，特征维数为1×d，表明每个图片特征数据包括d个种类的特征，数据个数为n；P·为高斯分布，σ为核带宽，hu是维数为1×d的随机生成矩阵，且u＝1，…，dRF2；dRF为随机傅里叶特征变换的维度；T代表转置；步骤3.2、从随机傅里叶特征变换后的数据集合Z中随机选择一个数据点作为初始权重向量并赋值给权重向量w；步骤3.3、基于权重向量w通过黄金分割线搜索计算分离间隔ρ；步骤3.4、对所有wzxj-ρ小于0的数据点zxj求平均后得到平均权重向量wm；其中，xj为特征训练集X的数据，zxj为数据集合Z中xj的对应项；步骤3.5、通过随机梯度下降方法选择w和wm间新的权重向量wnew，并将wnew赋值给w；步骤3.6、重复步骤3.3至步骤3.5，直至S次迭代后，得到趋于稳定的wnew；将此wnew记为最优权重向量w*；步骤3.7、根据黄金分割线搜索计算出最优权重向量w*对应的最优分离间隔ρ*；其中，最优权重向量w*以及最优分离间隔ρ*为训练好的分类模型参数；步骤4、对于待分类图片进行分类，具体包括如下子步骤：步骤4.1、对待分类图片进行预处理，得到预处理后的待分类图片；步骤4.2、对预处理后的待分类图片进行特征提取，得到待分类图片的特征；步骤4.3、基于待分类图片的特征进行随机傅里叶特征变换，得到特征测试集Z；步骤4.4、根据步骤3得到的w*、ρ*和特征测试集Z，计算w*Z-ρ*的值，记为P；其中，P的维数为1×nt；nt为特征测试集Z中元素对应的待分类图片的数量；步骤4.5、根据步骤4.4得到P的元素值进行判断，具体为：若Pv≥0，则特征测试集Z中第v个元素对应的待分类图片与训练图片是同类图片；否则，若Pv＜0，则特征测试集Z中第v个元素对应的待分类图片与训练图片是异类图片。

全文数据：

权利要求：

百度查询： 北京理工大学 一种基于DMD及随机傅里叶特征变换的图像分类方法