基于近邻监督离散判别哈希的图像分类方法技术

本发明专利技术公开了基于近邻监督离散判别哈希的图像分类方法，获取标准的图像库，并构建新的待分类标准图像库；计算新的待分类标准图像的类间邻域图和类内邻域图，并得到类内哈希关系函数和类间哈希关系函数；在待分类标准图像库中对采集到的图像训练样本选择锚点，并计算每个训练样本与锚点之间的距离；得到最终的目标函数；对最终的目标函数进行分解，并求得特征矩阵；基于特征矩阵并利用最近邻分类器对图像进行分类；本发明专利技术可以更好的刻画样本之间的关系，加强局部类间可分性和类内紧凑性，从而学习得到更高效的哈希函数，进而学习得到紧促二进制哈希码，旨在提高用于海量数据的高维图像识别的准确性，加快查找与检索速度。加快查找与检索速度。加快查找与检索速度。

【技术实现步骤摘要】
基于近邻监督离散判别哈希的图像分类方法


[0001]本专利技术涉及图像分类
，具体涉及基于近邻监督离散判别哈希的图像分类方法。

技术介绍

[0002]人类生产生活数据的信息化使得数据量呈现爆炸式增长，面对这些庞大的图像库，人们提出了一系列特征提取方法来进行数据压缩，而以往计算机视觉中提出的高维数据处理方法在鲁棒性和可扩展性方面有待提高。哈希算法通过随机排列或投影将原始特征映射到一个新的特征空间，并将其转换成紧凑的二进制哈希码。这不仅提高了图像搜索和检索的速度，并且提高了大规模数据的存储效率。基于这些优点，哈希算法在模式识别和数字图像处理领域受到了广泛关注。
[0003]近年来，数据依赖型哈希受到了广泛的关注,与数据独立型哈希不同，数据依赖型哈希考虑了训练样本信息。如Liu等人提出了一种无监督的锚图哈希算法(anchor graph hashing，AGH)，它是一种基于图的算法，用于保持离散空间中数据固有的邻域结构，选择远少于样本数的聚类中心作为锚点，构造每个样本点与锚定点之间的相似度矩阵代替样本点与样本点之间的相似度矩阵，大大降本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于近邻监督离散判别哈希的图像分类方法，其特征在于：包括以下步骤，步骤(A)，获取标准的图像库，并构建新的待分类标准图像库；步骤(B)，计算新的待分类标准图像的类间邻域图和类内邻域图，并得到类内哈希关系函数和类间哈希关系函数；步骤(C)，在待分类标准图像库中对采集到的图像训练样本选择锚点，并计算每个训练样本与锚点之间的距离；步骤(D)，根据步骤(B)和步骤(C)的计算结果相结合得到最终的目标函数；步骤(E)，对最终的目标函数进行分解，并求得特征矩阵；步骤(F)，基于特征矩阵并利用最近邻分类器对图像进行分类，输出图像的分类结果。2.根据权利要求1所述的基于近邻监督离散判别哈希的图像分类方法，其特征在于：步骤(A)，获取标准的图像库，并构建新的待分类标准图像库，其中标准的图像库是MNIST图像库或CIFAR
‑
10图像库，并对标准的图像库进行剪切构建新的待分类标准图像库。3.根据权利要求2所述的基于近邻监督离散判别哈希的图像分类方法，其特征在于：步骤(B)，计算新的待分类标准图像的类间邻域图S
b
和类内邻域图S
w
，并得到类内哈希关系函数G(s)和类间哈希关系函数G(d)，其具体步骤如下，步骤(B1)，定义类间邻域图S
b
如公式(1)所示，其中，ON
‑
(x
i
)表示与样本x
i
属于不同类且不是x
i
近邻的点的集合，N
‑
(x
i
)表示与样本x
i
不属于同一类且与x
i
近邻的点的集合，||x
i
‑
x
j
||表示样本x
i
与x
j
之间的欧式距离，t是值为正的参数，exp(
·
)是一个瞬时变化率较快的指数函数；步骤(B2)，定义类内邻域图S
w
如公式(2)所示：其中，N
+
(x
i
)表示与样本x
i
属于同一类且与x
i
近邻的点的集合，ON
+
(x
i
)表示与样本x
i
属于同一类但不是x
i
近邻的点的集合；步骤(B3)，得到类内哈希关系函数G(s)和类间哈希关系函数G(d)如公式(3)所示，步骤(B3)，得到类内哈希关系函数G(s)和类间哈希关系函数G(d)如公式(3)所示，
s.t.b
k
＝sgn(F(x
i
))i＝1,2,...,n
ꢀꢀ
(3)其中，sgn(
·
)为符号函数，当自变量为正数时输出+1，否则输出
‑
1,W∈R
L
×
L
为相似性度量矩阵用来比较哈希码之间的相似度，B＝{b1,b2,...,b
n
}∈{
‑
1,1}
L
×
n
为哈希码矩阵，T表示向量或者矩阵的转置；步骤(B4)，计算最类内哈希关系函数G(s)和类间哈希关系函数G(d)之差，如公式(4)，s.t.B∈{
‑
1,1}
L
×
n
ꢀꢀ
(4)其中，U表示投影矩阵，tr[
·
]表示矩阵的迹。4.根据权利要求3所述的基于近邻监督离散判别哈希的图像分类方法，其特征在于：步骤(C)，在待分类标准图像库中对采集到的图像X训练样本选择m个锚点，并计算每个训练样本与锚点之间距离的得到Φ(X)，如公式(5)所示，其中，是从训练样本中随机选择的m(m＜＜n)个锚点，t为阈值。5.根据权利要求4所述的基于近邻监督离散判别哈希的图像分类方法，其特征在于：步骤(D)，根据步骤(B)和步骤(C)的计算结果相结合得到最终的目标函数，如公式(6)所示，s.t.b
k
＝sgn(F(x
i
)) i＝1,2,...,n
ꢀꢀꢀꢀ
(6)其中，υ表示可调节参数，且目标函数中的F(
·
)定义如公式(7)所示，F(x)＝P
T
Φ(x)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)其中，P∈R
m
×
L
为投影矩阵。6.根据权利要求5所述的基于近邻监督离散判别哈希的图像分类方法，其特征在于：步骤(E)，对最终的目标函数进行分解，并求得特征矩阵，其具体步骤如下，步骤(E1)，构建近邻监督离散判别哈希的图像检索方法的最终目标函数，如公式(8)所示，s.t.B∈{
‑...

【专利技术属性】
技术研发人员：万鸣华，谭海，陈雪宇，詹天明，杨国为，
申请(专利权)人：南京审计大学，
类型：发明
国别省市：