一种基于保局映射与主成分分析的图像分类方法技术

本发明专利技术公开了一种基于保局映射与主成分分析的图像分类方法，包括以下步骤：1、输入训练对象；2、建立一层或两层的流形学习网络，对于每一种具体的网络，学习得到每一层的滤波器；3、建立流形学习网络的输出层得到最终特征向量；4、将步骤3中最终得到的所有的特征向量输入支持向量机分类器进行训练；5、用校验图像集进行校验，调整到最佳网络参数；6、对测试图像进行测试，统计分类结果，计算识别率。本发明专利技术通过构造三种结构相似但不同网络层的网络，应用一种流形方法即保局映射获得图像更加本质的局部结构，使得在各种分类任务中，构造的网络更加具有分辨力，获得更高的图像的分类准确率。

【技术实现步骤摘要】

本专利技术设及数字图像领域，具体设及一种基于保局映射与主成分分析结合的图像 分类方法。
技术介绍
对于图像的分类问题，由于图像本身存在的维数高的问题，通常需要对初步提取 到的图像特征进行降维处理。在本方法中，主要使用的是两种降维方法；1、保局映射2、主 成分分析。保局映射是一种提取能够保持图像空间局部流形结构的性质的降维方法，主成 分分析法能够使用较少的矩阵维度保持原始图像最大限度的信息。两者用于深度学习都是 属于无监督的降维方法。[000引 1、主成分分析（PCA) PCA是一种线性降维方法，它通过找出样本空间变化较大的一些正交的坐标方向， 可认为就是样本的主成分，然后将样本投影到该些坐标从而降维到一个线性子空间。[000引假设有N个样本Xi，i= 1，2，...，N，义,e化。，/ = 1，2，...，N，是去 均值后的样本列向量。表示去均值后的所有样本的协方差矩阵。 则按照最大化投影后方差的原则，PCA的优化目标是： maxw'^Sws.t.wV= (1)[000引其中w表示投影方向，d表示降维后的样本的维数。 具体算法为； (a)对样本中每一个维度去均值。即 化本文档来自技高网...

【技术保护点】
一种基于保局映射与主成分分析的图像分类方法，其特征在于：包括以下步骤步骤1：对N幅大小均为m×n像素的输入图像进行预处理，得到输入图像特征矩阵X，其中N、m、n为正整数，i＝1,2...,N；步骤2：建立一层或两层的流形学习网络，得到每一层网络中训练图像卷积所用的滤波器，其中第一层的滤波器V1用保局映射降维方法构造，如果有第二层网络，第二层的滤波器V2可选用主成分分析法或者继续选用保局映射降维方法构造，将输入图像与第一层的滤波器V1进行卷积，得到第一层输出图像其中Vl1表示第一层中的第l个滤波器，L1表示第一层的滤波器的个数；如果有第二层网络，再将第一层输出图像与第二层的滤波器V2进行卷积，得...

【技术特征摘要】

【专利技术属性】
技术研发人员：达臻，伍家松，姜龙玉，孔佑勇，杨淳沨，舒华忠，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32