一种融合稀疏与低秩的图像处理方法技术

本发明专利技术公开了一种融合稀疏与低秩的图像处理方法，涉及图像处理技术领域，其技术方案要点是：S1、建立领域适应图像处理检索与管理的系统；S2、采用图正则化稀疏与低秩表示技术，并结合最大间隔准则思想，表示各领域图像数据；S3、利用大规模数据集，建立大规模跨领域图像概念识别方法模型；S4、将步骤S1中表示的各领域图像数据，嵌入多源适应稀疏与低秩子空间，实现图像检测处理。本发明专利技术的图像处理方法，能够在面对复杂的图像处理及应用环境时，利用多源网络图像资源实现领域适应图像处理的鲁棒有效检测，同时能够克服现有领域适应学习方法在图像处理应用中所面临的鲁棒有效性问题。

【技术实现步骤摘要】
一种融合稀疏与低秩的图像处理方法
本专利技术涉及图像处理
，更具体地说，它涉及一种融合稀疏与低秩的图像处理方法。
技术介绍
随着我国信息化科技进步与互联网的快速发展,便捷快速的网络给人们的工作、学习、生活带来了空前的繁荣,网络已成人们日常工作与生活中不可缺少的伴侣。通常人们在浏览网页、收发邮件获得各种网络信息时，会接触到大量互联网图片信息，但这些海量图片信息有相当一部分对我们来说是没有用的，甚至有害的。尤其是一些黄色或反动网站的有害信息乘虚而入,使网络中充斥着暴力、色情、邪教、反动等不良图像信息。这些不良信息严重污染着网络环境，腐蚀人们灵魂，毒害青少年。为此，如何识别、检测及处理这些图像内容并利用网络设施自动过滤清除掉这些不良的信息，已成为当前我国计算机信息领域研究的一个热点问题。目前，虽然用户图像概念识别研究已取得一些有益进展，但用户图像事件尤其是复杂事件的检测研究尚处于初级阶段，且大多囿于图像的异常事件或模式重复事件的识别与检测；另外，传统的图像处理方法需要利用大量带有事件标签的训练数据以学习一个鲁棒的分类器，而面对大量未标注本文档来自技高网...

【技术保护点】
1.一种融合稀疏与低秩的图像处理方法，其特征是：包括以下步骤：/nS1、建立领域适应图像处理检索与管理的系统；/nS2、采用图正则化稀疏与低秩表示技术，并结合最大间隔准则思想，表示各领域图像数据，并根据图像数据表示重构领域分布均值和散度差，然后对传统多源组合进行稀疏化处理，并从可用的源领域池中选取最具表达力的紧凑的源领域图像集，对多源图像领域进行选择，并将其嵌入最近的标签空间；/nS3、利用大规模数据集，建立大规模跨领域图像概念识别方法模型；/nS4、将步骤S1中表示的各领域图像数据，嵌入多源适应稀疏与低秩子空间，实现图像数据的检测处理。/n

【技术特征摘要】
1.一种融合稀疏与低秩的图像处理方法，其特征是：包括以下步骤：
S1、建立领域适应图像处理检索与管理的系统；
S2、采用图正则化稀疏与低秩表示技术，并结合最大间隔准则思想，表示各领域图像数据，并根据图像数据表示重构领域分布均值和散度差，然后对传统多源组合进行稀疏化处理，并从可用的源领域池中选取最具表达力的紧凑的源领域图像集，对多源图像领域进行选择，并将其嵌入最近的标签空间；
S3、利用大规模数据集，建立大规模跨领域图像概念识别方法模型；
S4、将步骤S1中表示的各领域图像数据，嵌入多源适应稀疏与低秩子空间，实现图像数据的检测处理。


2.根据权利要求1所述的一种融合稀疏与低秩的图像处理方法，其特征是：步骤S2包括以下具体步骤包括：
S21、建立一个鲁棒的多源或(和)多核领域适应图像处理技术框架；
S22、根据步骤S21，利用已有的间隔最优化的Relief特征加权技术，抽取融合稀疏与低秩编码和最大相关性准则的图像数据集特征；
S23、基于流形学习思想，定义领域间图像数据类的分布均值及其Laplacian散度一致的分布距离度量新准则；
S24、采用图正则化稀疏与低秩表示技术，并结合最大间隔准则思想，表示各领域图像数据，并根据图像数据表示重构领域分布均值和散度差；
S25、根据步骤S24，建立稀疏与低秩图模型，并采用稀疏与低秩表示技术处理单一源图像领域；
S26、建立跨领域稀疏多核学习模型，用于核空间学习领域分布距离度量和跨领域图像处理；
S27、构建多源图像适应联合稀疏与低秩图正则化图像处理模型，获得单源和多源图像领域适应图像处理的统一框架；
S28、对传统多源组合进行稀疏化处理，并从可用的源领域池中...

【专利技术属性】
技术研发人员：陶剑文，何颂颂，但雨芳，
申请(专利权)人：宁波职业技术学院，
类型：发明
国别省市：浙江;33