一種彩色圖像重構(gòu)與識(shí)別方法及系統(tǒng)的制作方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種彩色圖像重構(gòu)與識(shí)別方法及系統(tǒng)，利用無(wú)標(biāo)簽的彩色圖像訓(xùn)練樣本進(jìn)行彩色散度矩陣構(gòu)造，對(duì)彩色圖像進(jìn)行二維主成分學(xué)習(xí)，通過(guò)一個(gè)特征分解問(wèn)題得到投影矩陣，完成特征降維，將降維后的數(shù)據(jù)輸入最近鄰分類(lèi)器，再將測(cè)試樣本嵌入到投影空間進(jìn)行特征提取，輸入至最近鄰分類(lèi)器進(jìn)行相似性度量，輸出測(cè)試樣本的類(lèi)別，得到最準(zhǔn)確的彩色圖像識(shí)別結(jié)果。通過(guò)優(yōu)化一個(gè)無(wú)監(jiān)督的特征問(wèn)題實(shí)現(xiàn)彩色圖像特征的直接降維，降低了時(shí)間復(fù)雜性，使基于彩色圖像特征提取的識(shí)別過(guò)程快速，同時(shí)可有效保持圖像像素中包含的重要彩色信息和拓?fù)浣Y(jié)構(gòu)。此外，投影方向可有效用于彩色圖像重構(gòu)，通過(guò)選取一定數(shù)量的投影向量，可得到清晰的彩色圖像重構(gòu)結(jié)果。
【專(zhuān)利說(shuō)明】一種彩色圖像重構(gòu)與識(shí)別方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)視覺(jué)和圖像識(shí)別【技術(shù)領(lǐng)域】，更具體的說(shuō)，是涉及一種彩色圖像 的重構(gòu)和識(shí)別方法和系統(tǒng)。

【背景技術(shù)】
[0002] 隨著信息時(shí)代和互聯(lián)網(wǎng)的到來(lái)，需要處理的數(shù)據(jù)和信息日益增加，而在日常的交 際和網(wǎng)上沖浪過(guò)程中，彩色的圖像非常常見(jiàn)，但是種類(lèi)繁多、類(lèi)別難以準(zhǔn)確進(jìn)行標(biāo)定，使得 彩色圖像識(shí)別技術(shù)發(fā)展成為計(jì)算機(jī)視覺(jué)與模式識(shí)別領(lǐng)域中一個(gè)難題之一。彩色圖像識(shí)別技 術(shù)通過(guò)計(jì)算機(jī)，實(shí)現(xiàn)圖像數(shù)字化，再進(jìn)行數(shù)據(jù)分析，獲取彩色特征，對(duì)彩色圖像進(jìn)行自動(dòng)的 類(lèi)別判定，在機(jī)器視覺(jué)系統(tǒng)等領(lǐng)域具有重大的意義，一旦研究成功并投入應(yīng)用，將產(chǎn)生巨大 的社會(huì)和經(jīng)濟(jì)效益。然而彩色圖像盡管能比灰度圖像反映出更多的信息，但本身也包含很 多冗余信息（如顏色和結(jié)構(gòu)冗余）和不利特征，這增加了特征提取的難度。到目前為止，彩 色圖像重構(gòu)和識(shí)別技術(shù)還有很大的發(fā)展空間。由于其巨大的研究?jī)r(jià)值和商業(yè)價(jià)值，越來(lái)越 多的研究者投身于此。
[0003] 近年來(lái)，為了實(shí)現(xiàn)彩色圖像的彩色特征提取，一些彩色的圖像處理和識(shí)別方法相 繼被提出。其中，PCA彩色子空間法是最為代表性的方法之一。為了表示和識(shí)別彩色圖像， PCA彩色子空間法使用三階彩色張量來(lái)構(gòu)造一個(gè)新的子空間，通過(guò)三階張量的模式-3型水 平或垂直展開(kāi)，把彩色圖像轉(zhuǎn)化為灰色圖像后再進(jìn)行處理，在一定程度上解決了彩色特征 提取的問(wèn)題。盡管PCA彩色子空間可實(shí)現(xiàn)彩色圖像的特征提取，但通過(guò)空間展開(kāi)的方式在 本質(zhì)上不是一個(gè)真正意義上的彩色圖像特征提取方法，且用模式-3型垂直展開(kāi)的PCA彩色 子空間法會(huì)面臨計(jì)算成本高的問(wèn)題，特別是當(dāng)彩色圖像的尺寸很大。
[0004] 因此，提供一種簡(jiǎn)單有效的彩色圖像重構(gòu)和識(shí)別方法，通過(guò)優(yōu)化一個(gè)無(wú)監(jiān)督的特 征問(wèn)題實(shí)現(xiàn)彩色圖像特征的直接提取，降低了復(fù)雜性，提高了彩色圖像的重構(gòu)能力和識(shí)別 能力，是本領(lǐng)域技術(shù)人員亟待解決的問(wèn)題。


【發(fā)明內(nèi)容】

[0005] 有鑒于此，本發(fā)明提供了一種彩色圖像重構(gòu)與識(shí)別方法及系統(tǒng)，以克服現(xiàn)有技術(shù) 中由于樣本復(fù)雜度較高，導(dǎo)致計(jì)算復(fù)雜度增加的問(wèn)題，實(shí)現(xiàn)真正意義上的彩色圖像特征提 取方案。
[0006] 為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：
[0007] -種彩色圖像重構(gòu)與識(shí)別方法，包括：
[0008] 對(duì)無(wú)任何監(jiān)督型先驗(yàn)知識(shí)的彩色圖像訓(xùn)練樣本進(jìn)行彩色散度矩陣構(gòu)造，利用構(gòu)造 的彩色散度矩陣，直接對(duì)彩色圖像進(jìn)行二維主成分學(xué)習(xí)，通過(guò)特征分解計(jì)算得到投影矩陣， 完成特征降維；
[0009] 通過(guò)所述投影矩陣對(duì)彩色圖像訓(xùn)練樣本和彩色圖像測(cè)試樣本進(jìn)行彩色二維主成 分特征提取，將彩色圖像訓(xùn)練樣本降維得到的彩色二維主成分特征數(shù)據(jù)輸入分類(lèi)器，進(jìn)行 k-近鄰分類(lèi)器建模；
[0010] 將彩色圖像測(cè)試樣本降維得到的彩色二維主成分特征數(shù)據(jù)輸入k-近鄰分類(lèi)器進(jìn) 行相似性評(píng)估，輸出彩色圖像測(cè)試樣本的類(lèi)別標(biāo)簽，得到的彩色圖像測(cè)試樣本識(shí)別結(jié)果。
[0011] 優(yōu)選的，對(duì)無(wú)任何監(jiān)督型先驗(yàn)知識(shí)的彩色圖像訓(xùn)練樣本進(jìn)行彩色散度矩陣構(gòu)造， 具體為：
[0012] 在提取彩色圖像特征時(shí)，所述目的在于有效利用彩色圖像每層結(jié)構(gòu)中包含的重要 信息，令L= 1，2,3分別表示彩色空間中的R(紅色）成分、G(綠色）成分和B(藍(lán)色）成 分。對(duì)于給定的一組彩色圖像i= 1，2,…，N，令S(t)為構(gòu)造的彩色圖像協(xié)方差 (散度）矩陣，所述定義如下特征問(wèn)題：

【權(quán)利要求】
1. 一種彩色圖像重構(gòu)與識(shí)別方法，其特征在于，包括： 對(duì)無(wú)任何監(jiān)督型先驗(yàn)知識(shí)的彩色圖像訓(xùn)練樣本進(jìn)行彩色散度矩陣構(gòu)造，利用構(gòu)造的彩 色散度矩陣，直接對(duì)彩色圖像進(jìn)行二維主成分學(xué)習(xí)，通過(guò)特征分解計(jì)算得到投影矩陣，完成 特征降維； 通過(guò)所述投影矩陣對(duì)彩色圖像訓(xùn)練樣本和彩色圖像測(cè)試樣本進(jìn)行彩色二維主成分特 征提取，將彩色圖像訓(xùn)練樣本降維得到的彩色二維主成分特征數(shù)據(jù)輸入分類(lèi)器，進(jìn)行k-近 鄰分類(lèi)器建模； 將彩色圖像測(cè)試樣本降維得到的彩色二維主成分特征數(shù)據(jù)輸入k-近鄰分類(lèi)器進(jìn)行相 似性評(píng)估，輸出彩色圖像測(cè)試樣本的類(lèi)別標(biāo)簽，得到的彩色圖像測(cè)試樣本識(shí)別結(jié)果。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，對(duì)無(wú)任何監(jiān)督型先驗(yàn)知識(shí)的彩色圖像訓(xùn) 練樣本進(jìn)行彩色散度矩陣構(gòu)造，具體為： 在提取彩色圖像特征時(shí)，所述目的在于有效利用彩色圖像每層結(jié)構(gòu)中包含的重要信 息，令L= 1，2, 3分別表示彩色空間中的R(紅色）成分、G(綠色）成分和B(藍(lán)色）成分， 對(duì)于給定的一組彩色圖像i= 1，2,…，N，令S(t)為構(gòu)造的彩色圖像協(xié)方差（散 度）矩陣，所述定義如下特征問(wèn)題：
其中，
>WTW=Idxd為正交的約束，符號(hào)T表示矩陣 的轉(zhuǎn)置，N表示彩色訓(xùn)練樣本的個(gè)數(shù)，#為彩色圖像P#K_xi的投影（或嵌入）圖像，m、n為圖像的長(zhǎng)和寬； 根據(jù)上述特征問(wèn)題，選取彩色圖像協(xié)方差矩陣S(t)的前d個(gè)最大的特征值對(duì)應(yīng)的特征 向量，組成投影矩陣『={%丨^，進(jìn)而完成彩色圖像的彩色二維主成分特征提取。
3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，通過(guò)所述投影矩陣對(duì)彩色圖像訓(xùn)練樣本 和彩色圖像測(cè)試樣本進(jìn)行彩色二維主成分特征提取，包括： 針對(duì)彩色圖像訓(xùn)練樣本或彩色圖像測(cè)試的彩色圖像，利用投影矩陣對(duì)彩色 圖像進(jìn)行特征提取，對(duì)彩色圖像Pi，令#為第L層中的If的嵌入圖像的集合，可到：
其中，攻是用Wk表示的第k個(gè)特征向量，基于彩色空間每層計(jì)算得到的矩陣
，（mXd)又被稱(chēng)為彩色空間中的第L層的圖像#的特征矩陣 (mXd)，因此，從彩色空間的三層結(jié)構(gòu)中提取出的特征矩陣形成彩色圖像匕最終特征矩陣
使用訓(xùn)練樣本的彩色二維主成分特征組成訓(xùn)練集，用來(lái)進(jìn)行k-近鄰分類(lèi)器建模，利用 測(cè)試樣本的彩色二維主成分特征組成測(cè)試集，用于評(píng)估分類(lèi)器模型的識(shí)別性能。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，將彩色圖像測(cè)試樣本降維得到的彩色二 維主成分特征數(shù)據(jù)輸入分類(lèi)器進(jìn)行相似性評(píng)估包括： 對(duì)任意一幅彩色樣本圖像，可用所述投影矩陣完成彩色主成分特征提取，得到一個(gè)特 征矩陣F，對(duì)任意兩幅彩色樣本圖像的特征矩陣，表示為Fu= [Zu^Zy，…，Zu,3d]和匕= [Zv，i，Zv，2，…，Zv，3d]，則矩陣Fu和Fv之間的歐幾里德距離為
規(guī)定一個(gè)未知類(lèi)別標(biāo)簽的彩色圖像測(cè)試樣本Ptost，其特征矩陣表示為Ftest，如果 =mind(Ftest，F(xiàn)T)，t= {1，2，...，c}，其中，c為彩色圖像訓(xùn)練樣本的類(lèi)別總數(shù) 量，則將該彩色圖像測(cè)試樣本Ptest歸為第1類(lèi)，完成分類(lèi)。
5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，k-近鄰分類(lèi)器中k= 1。
6. 根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括： 對(duì)所述彩色圖像訓(xùn)練樣本和所述彩色圖像測(cè)試樣本進(jìn)行預(yù)處理。
7. -種彩色圖像重構(gòu)與識(shí)別系統(tǒng)，其特征在于，包括： 訓(xùn)練模塊，用于對(duì)無(wú)任何監(jiān)督型先驗(yàn)知識(shí)的彩色圖像訓(xùn)練樣本進(jìn)行彩色散度矩陣構(gòu) 造，利用構(gòu)造的彩色散度矩陣，直接對(duì)彩色圖像進(jìn)行二維主成分學(xué)習(xí)，通過(guò)特征分解計(jì)算得 到投影矩陣，完成特征降維； 投影模塊，用于通過(guò)所述投影矩陣對(duì)彩色圖像訓(xùn)練樣本和彩色圖像測(cè)試樣本進(jìn)行彩色 二維主成分特征提取，將彩色圖像訓(xùn)練樣本降維得到的彩色二維主成分特征數(shù)據(jù)輸入分類(lèi) 器，進(jìn)行k-近鄰分類(lèi)器建模； 測(cè)試模塊，用于將彩色圖像測(cè)試樣本降維得到的彩色二維主成分特征數(shù)據(jù)輸入k-近 鄰分類(lèi)器進(jìn)行相似性評(píng)估，輸出彩色圖像測(cè)試樣本的類(lèi)別標(biāo)簽，得到的彩色圖像測(cè)試樣本 識(shí)別結(jié)果。
8. 根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，還包括： 訓(xùn)練預(yù)處理模塊，用于測(cè)試前對(duì)所述彩色圖像訓(xùn)練樣本和所述彩色圖像測(cè)試樣本進(jìn)行 預(yù)處理。
9. 根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，k-近鄰分類(lèi)器中k= 1。
10. 根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，所述彩色圖像測(cè)試樣本和所述彩色圖像 訓(xùn)練樣本均為RGB三層彩色結(jié)構(gòu)。
【文檔編號(hào)】G06T5/00GK104408693SQ201410698813
【公開(kāi)日】2015年3月11日 申請(qǐng)日期:2014年11月27日 優(yōu)先權(quán)日:2014年11月27日
【發(fā)明者】張召, 湯煜, 李凡長(zhǎng), 張莉 申請(qǐng)人:蘇州大學(xué)