The invention discloses a multi view image recognition method based on spectral clustering, the method comprises the following steps: firstly, Hessian matrix were calculated for different angle samples, calculating the eigenvalues and eigenvectors, two angle projection method by mutual revising Hessian matrix, finally the feature vector classification is appropriate to use K means method. The invention adopts the Hessian matrix of the image sample to obtain the information of the internal structure of the sample better, and improves the contribution of the Hessian matrix to the clustering effect through the continuous correction and improvement of the multi view angles.
【技术实现步骤摘要】
本专利技术涉及一种基于多视角特征的图像识别方法，特别涉及到一种基于Hessian正则化的多视角谱聚类的图像识别方法，属于图像识别领域。
技术介绍
随着计算机技术和存储技术的不断发展，大数据量的图像获取也越来越容易。图像识别是对输入的图像信息分析并提取图像的特征，根据图像的特征进行识别分类的技术，是模式识别与人工智能领域的研究热点。在实际应用中，大部分图像信息都是未标记的，对数据标记费时费力。随着社会的需要，需要分类识别对象的内容越来越复杂，如何能高效准确地将大量未标记图像数据进行识别分类是当前研究的热点问题。谱聚类算法是无监督学习的一个重要的研究方向。它以图论作为理论基础，将聚类问题转化为图论中的对无向加权图的最优分割问题。现有的多视角的图像识别方法大多是基于拉普拉斯正则化的多视角谱聚类方法，首先分别构造不同视角样本之间的相似度矩阵，然后计算其拉普拉斯矩阵，求取其特征值及特征向量，再根据合适的特征向量聚类不同的数据点。拉普拉斯正则化是基于函数的一阶导数，Hessian正则化是基于对模型误差泛函参数的二阶导数，相比于拉普拉斯，Hessian方法能够更准确地描述数据...
【技术保护点】
一种基于Hessian正则化的多视角谱聚类的图像识别方法，其特征在于：该方法利用图像样本的Hessian矩阵，更好的获取样本内部结构信息，通过多视角之间Hessian矩阵的不断修正，提高Hessian矩阵对聚类效果提升的贡献，具体包括如下步骤：(1)提取输入图像的两个不同视角的特征；(2)分别计算每个视角的Hessian矩阵，第一视角样本的Hessian矩阵用H1表示，第二视角样本的Hessian矩阵用H2表示；(3)将矩阵H1和H2分别进行归一化处理，分别求取前k个最大的特征值及其对应的特征向量，并将所述两个视角各自的特征向量分别按列排成矩阵U1和U2；(4)对每一个视角...
【技术特征摘要】
1.一种基于Hessian正则化的多视角谱聚类的图像识别方法，其特征在于：该方法利用图像样本的Hessian矩阵，更好的获取样本内部结构信息，通过多视角之间Hessian矩阵的不断修正，提高Hessian矩阵对聚类效果提升的贡献，具体包括如下步骤：(1)提取输入图像的两个不同视角的特征；(2)分别计算每个视角的Hessian矩阵，第一视角样本的Hessian矩阵用H1表示，第二视角样本的Hessian矩阵用H2表示；(3)将矩阵H1和H2分别进行归一化处理，分别求取前k个最大的特征值及其对应的特征向量，并将所述两个视角各自的特征向量分别按列排成矩阵U1和U2；(4)对每一个视角，将其Hessian矩阵沿着另一个视角获取的特征向量方向投影，从而获取聚类的有效信息，摒弃聚类无关信息，然后再投影回n维空间中，这样就得到了修正后的该视角的Hessian矩阵；(5)将步骤(3)...
【专利技术属性】
技术研发人员：李阳，张元元，姜树明，李凤娇，聂明钰，
申请(专利权)人：山东省科学院情报研究所，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。