基于判别正则化局部保留投影的图像数据降维方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111553417A(43)申请公布日2020.08.18(21)申请号202010348760.7(22)申请日2020.04.28(71)申请人厦门大学地址361005福建省厦门市思明南路422号(72)发明人高云龙潘金艳陈福兴(74)专利代理机构北京高沃律师事务所11569代理人杜阳阳(51)Int.Cl.G06K9/62(2006.01)权利要求书3页说明书9页附图4页(54)发明名称基于判别正则化局部保留投影的图像数据降维方法及系统(57)摘要本发明公开了一种基于判别正则化局部保留投影的图像数据降维方法及系统。该方法包括：获取样本图像；将样本图像切割为样本向量，对各样本向量进行L2范数归一化处理，得到处理后的样本向量xi；确定第一相似性矩阵Sij；根据确定第二相似性矩阵S'ij，其中，W为投影矩阵，Bij为弹性矩阵；根据(X(L+λL')XT)V＝λ(XDXT)V求解矩阵V和特征值λ；提取矩阵V中与相对大的前v个特征值相对应的特征向量构成投影矩阵；跳转至确定第二相似矩阵确定步骤，直至满足迭代条件，将最后得到的投影矩阵记为目标投影矩阵；采用目标投影矩阵对待降维图像进行降维处理。本发明提供的图像数据降维方法及系统同时考虑了数据的相似性和差异性。CN111553417ACN111553417A权利要求书1/3页1.一种基于判别正则化局部保留投影的图像数据降维方法，其特征在于，包括：获取样本图像，所述样本图像的数量为多个；将所述样本图像切割为样本向量，并对各所述样本向量进行L2范数归一化处理，得到处理后的样本向量xi，i＝1,2,…n，n为样本图像的数量；根据确定第一相似性矩阵Sij，其中t是一个热核参数且t≥0,||·||2是L2范数符号，N(xi)表示距离xi最近k个样本集合；确定投影矩阵的初始矩阵，所述投影矩阵为正交的d×v矩阵，v为投影后的维度，d为样本向量的维度；根据确定第二相似性矩阵S′ij，其中，W为投影矩阵，Bij为弹性矩阵，Bij＝sign(Sij-s)，s为第一相似性矩阵中大于0的元素的平均值；根据(X(L+λL')XT)V＝λ(XDXT)V求解矩阵V和特征值λ，其中，L＝D-S，L'＝D'-S',D和D'均为对角矩阵，X＝[x1,x2,...,xn]；提取矩阵V中与相对大的前v个特征值相对应的特征向量构成投影矩阵；跳转至“根据确定第二相似矩阵S′ij”步骤，直至满足迭代条件，将最后得到的投影矩阵记为目标投影矩阵；采用所述目标投影矩阵对待降维图像进行降维处理。2.根据权利要求1所述的基于判别正则化局部保留投影的图像数据降维方法，其特征在于，所述采用所述目标投影矩阵对待降维图像进行降维处理，具体包括：获取待降维图像；将所述待降维图像切割为样本向量x；根据Y＝W'Tx对所述待降维图像进行降维，其中，W'为目标投影矩阵，Y为所述待降维图像降维后的数据。3.根据权利要求1所述的基于判别正则化局部保留投影的图像数据降维方法，其特征在于，所述迭代条件为迭代次数达到设定次数。4.根据权利要求1所述的基于判别正则化局部保留投影的图像数据降维方法，其特征在于，所述迭代条件为相邻两次迭代得到的目标值J的差值ΔJ小于设定阈值，其中，目标值T其中，LP＝X(L+λL')X。5.根据权利要求1所述的基于判别正则化局部保留投影的图像数据降维方法，其特征在于，所述方法还包括：获取测试样本图像；将所述测试样本图像切割为测试样本向量；2CN111553417A权利要求书2/3页采用所述目标投影矩阵对所述测试样本向量进行降维；采用分类器对降维后的测试样本向量进行识别；根据识别结果评估所述投影矩阵的优劣。6.一种基于判别正则化局部保留投影的图像数据降维系统，其特征在于，包括：图像获取模块，用于获取样本图像，所述样本图像的数量为多个；图像切割模块，用于将所述样本图像切割为样本向量，并对各所述样本向量进行L2范数归一化处理，得到处理后的样本向量xi，i＝1,2,…n，n为样本图像的数量；第一相似性矩阵确定模块，用于根据确定第一相似性矩阵Sij，其中t是一个热核参数且t≥0,||·||2是L2范数符号，N(xi)表示距离xi最近k个样本集合；初始投影矩阵确定模块，用于确定投影矩阵的初始矩阵，所述投影矩阵为正交的d×v矩阵，v为投影后的维度，d为样本向量的维度；第二相似性矩阵确定模块，用于根据确定第二相似性矩阵S′ij，其中，W为投影矩阵，Bij为弹性矩阵，Bij＝sign(Sij-s)，s为第一相似性矩阵中大于0的元素的平均值；特征求解模块，用于根据(X(L+λL')XT)V＝λ(XDXT)V求解矩阵V和特征值λ，其中，L＝D-S，L'＝D'-S',D和D'均为对角矩阵，