一种基于异构张量分解的图像分类方法技术

本发明专利技术公开了一种基于异构张量分解的图像分类方法，所述方法包括以下步骤：根据ORL数据集构建原始张量；将原始张量分解为与张量各阶对应的因子矩阵和样本特征表征矩阵；在因子矩阵上添加逐列正交约束；对样本特征表征矩阵施加低秩约束，通过识别样本的全局低秩结构来获得最低秩表示；通过l2,1范数约束损失函数和正则化项，实现判别鲁棒特征选择的目标；获取完整的目标函数；用交替方向乘子对目标函数进行优化迭代，得到最优解，进一步得到分类器；将ORL中的测试集图片输入上述训练好的分类器中，完成图像分类。本发明专利技术解决了传统向量或矩阵方法中容易导致丢失结构信息、并破坏元素之间的依赖性和张量分解过程中的异构性。

An Image Classification Method Based on Heterogeneous Tensor Decomposition

【技术实现步骤摘要】
一种基于异构张量分解的图像分类方法
本专利技术涉及图像分类领域，尤其涉及一种基于异构张量分解的图像分类方法。
技术介绍
如今，随着现代信息采集和存储技术的快速发展，在多个视图中从不同源或信道生成大量数据，同时遭受嘈杂的损坏，缺少条目和高维度。例如，多维数据在许多领域中大量生产，包括：遥感、医学科学、生物学、计算机视觉和图像处理。在这种情况下，数据描述中的复杂组成结构突出了传统矢量或矩阵方法的局限性，因此这样的方案使数据变得扁平化并且部分地破坏了在多个维度中建立的完整结构信息。传统的小样本图像分类与检测的步骤大致是两步：特征提取和训练分类器。在特征提取阶段，设计者会尝试各种通用特征或者自己设计的特征对图像进行特征提取，以人脸检测为例，通用的特征就是方向梯度直方图(HOG)、加速鲁棒特征(SURF)、局部二值模式(LBP)等特征，而对于人脸效果比较好的特征有haar特征。经典的小样本图像分类方法有支持向量机(SVM)，主成分分析(PCA)等等。自从2015年深度学习占领各个图像处理比赛榜首之后，现有的图像分类大部分使用的方法都是深度学习，也就是神经网络。神经网络通过很多的神经元构建成一层本文档来自技高网...

【技术保护点】
1.一种基于异构张量分解的图像分类方法，其特征在于，所述方法包括以下步骤：根据ORL数据集构建原始张量；将原始张量分解为与张量各阶对应的因子矩阵和样本特征表征矩阵；在因子矩阵上添加逐列正交约束；对样本特征表征矩阵施加低秩约束，通过识别样本的全局低秩结构来获得最低秩表示；通过l2,1范数约束损失函数和正则化项，实现判别鲁棒特征选择的目标；获取完整的目标函数；用交替方向乘子对目标函数进行优化迭代，得到最优解，进一步得到分类器；将ORL中的测试集图片输入上述训练好的分类器中，完成图像分类。

【技术特征摘要】
1.一种基于异构张量分解的图像分类方法，其特征在于，所述方法包括以下步骤：根据ORL数据集构建原始张量；将原始张量分解为与张量各阶对应的因子矩阵和样本特征表征矩阵；在因子矩阵上添加逐列正交约束；对样本特征表征矩阵施加低秩约束，通过识别样本的全局低秩结构来获得最低秩表示；通过l2,1范数约束损失函数和正则化项，实现判别鲁棒特征选择的目标；获取完整的目标函数；用交替方向乘子对目标函数进行优化迭代，得到最优解，进一步得到分类器；将ORL中的测试集图片输入上述训练好的分类器中，完成图像分类。2.根据权利要求1所述的一种基于异构张量分解的图像分类方法，其特征在于，所述将原始张量分解为与张量各阶对应的因子矩阵和样本特征表征矩阵具体为：1...

【专利技术属性】
技术研发人员：井佩光，武宇廷，苏育挺，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12