一种基于主成分分析的逻辑斯蒂回归的目标归类方法技术

本发明专利技术涉及基于主成分分析的逻辑斯蒂回归的目标归类方法属于图片处理与模式识别领域，其特征在于采用如下步骤：(1)确定颜色矩特征；(2)确定纹理特征参数；(3)确定特征参数相关系数矩阵；(4)确定输入特征向量；(5)将上一步骤得到的特征向量作为逻辑斯蒂回归模型的输入，建立逻辑斯蒂回归模型进行训练，实现不同训练样本的归类。本发明专利技术用主成分分析的方法对样本集的特征向量进行了降维，将其作为逻辑斯蒂回归的输入特征向量进行模型训练，不需要进行复杂的算法流程实现目标归类，该归类方法可以在保证分类准确的基础上提高了模型的稳定性和高效性，提供了准确、稳定的归类方法。

【技术实现步骤摘要】
一种基于主成分分析的逻辑斯蒂回归的目标归类方法
本专利技术涉及图片处理与模式识别领域，主要是一种对图片目标进行归类的方法。
技术介绍
目前针对图片目标的归类问题，大多数技术鲁棒性较差，不稳定，对不同种类的物体适应性不强，而且分类速度较慢。有些技术虽然可以达到较高的稳定性，却需要经过一系列复杂的算法流程，运行速度较慢。以果蔬归类为例，在对其进行归类的时候，一些技术将颜色和纹理进行特征融合，通过基于小波变换子带的统计和共现特征最小距离分类器进行归类，或者利用八邻域分析方法提取目标联通区域边缘并标记，将颜色特征参数和形状特征参数与原实物的标准参数进行对比来归类。这样虽然可以达到较高的稳定性，但是在一定程度上降低了实用性，而且不能满足高效分类的要求。此外，在提取目标特征的时候，一般是在提取特征以后，需要对这些特征进行相关性分析，找到最能代表字符的特征，去掉对分类无关的特征。然而，这些特征的提取过于依赖人的经验和主观意识，提取到的特征的不同分类性能影响很大，甚至提取的特征的顺序也会影响最后的分类性能。同时，图像预处理的好坏也会影响到提取的特征。目前，图片中的目标归类技术往往与经济和商业相联系，本文档来自技高网...

【技术保护点】
1.基于主成分分析的逻辑斯蒂回归的目标归类方法，其具体归类步骤如下：(1)确定样本集，提取样本集中的目标颜色特征，确定目标在RGB和HSV颜色空间模型下R、G、B、H、S分量的颜色矩特征XiJ(X＝R、G、B、S、H，J＝1，2，3)：

【技术特征摘要】
1.基于主成分分析的逻辑斯蒂回归的目标归类方法，其具体归类步骤如下：(1)确定样本集，提取样本集中的目标颜色特征，确定目标在RGB和HSV颜色空间模型下R、G、B、H、S分量的颜色矩特征XiJ(X＝R、G、B、S、H，J＝1，2，3)：式中，Pij表示RGB图像中第i个颜色通道分量中灰度j的像素出现的概率，Xi1表示颜色的一阶矩，Xi2表示颜色的二阶矩，Xi3表示颜色的三阶矩，N表示图像中像素个数；(2)确定目标的纹理特征参数能量L1、对比度L2、相关性L3、熵L4：式中，P(i，j)表示RGB图像中第i个颜色通道分量中灰度j的像素出现的概率，lb为二进制对数，N为...

【专利技术属性】
技术研发人员：胡燕祝，王松，
申请(专利权)人：胡燕祝，
类型：发明
国别省市：北京,11