基于結(jié)構(gòu)相似度的非負(fù)稀疏編碼的圖像分類方法
【技術(shù)領(lǐng)域】：
[0001] 本發(fā)明屬于計(jì)算機(jī)視覺圖像分類技術(shù)領(lǐng)域，具體涉及一種基于結(jié)構(gòu)相似度的非負(fù) 稀疏編碼的圖像分類方法。
【背景技術(shù)】：
[0002] 生物視覺系統(tǒng)初級階段的一個重要功能就是盡可能去除輸入刺激的統(tǒng)計(jì)冗余。初 級視皮層對外界刺激的響應(yīng)滿足稀疏性，即只有少數(shù)的神經(jīng)元被激活，相應(yīng)的編碼為稀疏 編碼。稀疏編碼，通俗地說，就是就是將一個信號表示為一組基的組合，而且要求只需要少 數(shù)的幾個基就可以將信號重構(gòu)出來。稀疏編碼已經(jīng)廣泛應(yīng)用到計(jì)算機(jī)視覺、圖像信號處理 等領(lǐng)域，例如，信號重構(gòu)、信號去噪、圖像特征提取、以及分類等應(yīng)用。
[0003] 結(jié)構(gòu)相似度指數(shù)將結(jié)構(gòu)信息定義為獨(dú)立于亮度、對比度的，反映信號結(jié)構(gòu)的屬性， 并將失真建模為亮度、對比度和結(jié)構(gòu)三個不同因素的組合。用均值作為亮度的估計(jì)，標(biāo)準(zhǔn)差 作為對比度的估計(jì)，協(xié)方差作為結(jié)構(gòu)相似程度的度量。
[0004] 傳統(tǒng)的稀疏編碼方法是基于最小均方誤差意義下的重構(gòu)，也就是使得重構(gòu)誤差的 平方和盡可能小，同時，盡可能使得相應(yīng)的編碼稀疏化，稀疏表現(xiàn)在編碼里就是編碼的特征 向量的元素盡可能多的為零。目前的基于稀疏編碼的圖像分類方法，大部分都是基于最小 化重構(gòu)誤差平方和的編碼模型來做的，誤差平方和作為失真的評判標(biāo)準(zhǔn)不符合人眼的視覺 特性。最近的研究表明，人眼視覺系統(tǒng)的主要功能是從視覺區(qū)域提取圖像和視頻中的結(jié)構(gòu) 化信息，而誤差平方和沒有充分地考慮人眼的視覺特性，因此傳統(tǒng)的稀疏編碼重構(gòu)不能很 好地評價重構(gòu)圖像與原圖像的結(jié)構(gòu)相似度。

【發(fā)明內(nèi)容】
：
[0005] 本發(fā)明的目的在于針對現(xiàn)有技術(shù)的不足，提供了一種基于結(jié)構(gòu)相似度的非負(fù)稀疏 編碼的圖像分類方法。
[0006] 為達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案：
[0007] 基于結(jié)構(gòu)相似度的非負(fù)稀疏編碼的圖像分類方法，包括以下步驟：
[0008] 1)對待處理的圖像數(shù)據(jù)集中所有圖像分別稠密地提取SIFT特征；
[0009] 2)對待處理的圖像數(shù)據(jù)集中所有圖像提取完SIFT特征后，隨機(jī)地選取5萬至50 萬的SIFT特征用于求待處理的圖像數(shù)據(jù)集的碼書；
[0010] 3)建立基于結(jié)構(gòu)相似度的非負(fù)稀疏編碼模型；
[0011] 4)根據(jù)步驟2)和步驟3)，用隨機(jī)選取的SIFT特征來求解出該圖像數(shù)據(jù)集的碼 書；
[0012] 5)該圖像數(shù)據(jù)集的碼書求解出來后，固定碼書，對所有的SIFT特征進(jìn)行編碼；
[0013] 6)對圖像數(shù)據(jù)集中每張圖像的編碼進(jìn)行空間金字塔最大池化方法整合，得到每張 圖像的特征向量；
[0014] 7)將圖像數(shù)據(jù)集劃分為訓(xùn)練集和測試集，用訓(xùn)練集的空間金字塔最大池化的圖像 特征向量和圖像相應(yīng)的標(biāo)簽，訓(xùn)練一個分類器；
[0015] 8)對于任意一張圖像，將其空間金字塔最大池化后特征向量輸入到已經(jīng)訓(xùn)練好的 分類器中，得到了該張圖像預(yù)測類別。
[0016] 本發(fā)明進(jìn)一步的改進(jìn)在于，步驟1)中，對待處理的圖像數(shù)據(jù)集中所有圖像按照16 至32的像素塊以及6至10的滑動步長，稠密地提取每個圖像的SIFT特征。
[0017] 本發(fā)明進(jìn)一步的改進(jìn)在于，步驟3)中，設(shè)碼書為A = Iia1, a2,…，ak]，A的每一列表 示一個基向量，碼書的列數(shù)為k，SIFT特征向量X1在碼書A下相應(yīng)的稀疏編碼為s i，定義編 碼矩陣S = [Sl，S2，…，sj，即編碼矩陣S的每一列是相應(yīng)的SIFT特征的結(jié)構(gòu)相似度稀疏編 碼；非負(fù)稀疏編碼模型的目標(biāo)函數(shù)如下：
[0019] 其中，i = 1，2, ···，!!，η為隨機(jī)挑選的SIFT特征的數(shù)目，j = 1，2，···，k，k為碼書 A的列數(shù)，Sjl為稀疏編碼為s i的第j個分量；
[0020] 寫成矩陣形式：
[0022] 其中，I Ia1I I = 1，即碼書每一列的模長或L-2范數(shù)為1，PL1表示矩陣S的叫范 數(shù)，Hl1范數(shù)等于矩陣的所有元素的絕對值的和；
[0023] S彡0表示編碼矩陣S中每一個元素都是非負(fù)的；
[0024] λ為調(diào)節(jié)結(jié)構(gòu)失真程度與編碼稀疏性的權(quán)重系數(shù)，λ越大，相應(yīng)的編碼稀疏越稀 疏，且有〇· 05彡λ彡〇· 5 ;
[0025] SS頂(）為結(jié)構(gòu)相似度指標(biāo)函數(shù)。
[0026] 本發(fā)明進(jìn)一步的改進(jìn)在于，步驟4)的具體實(shí)現(xiàn)方法如下：
[0027] 401)根據(jù)步驟2)中隨機(jī)地選取5萬至50萬的SIFT特征，給定權(quán)重系數(shù)λ的值；
[0028] 402)初始化碼書A :
[0029] 隨機(jī)初始化碼書Aw，由
將碼書A的每一列的模長歸一化成1，置t =I ;A(t)表示碼書的第t次迭代值，A w表示碼書初始值；
[0030] 403)隨機(jī)初始化相應(yīng)的編碼矩陣Sw，矩陣中的每一個元素都初始化為0到1之 間的一個隨機(jī)數(shù)，S(t)表示編碼矩陣S的第t次迭代值；
[0031] 404)更新編碼矩陣S，具體如下：
[0033] 其中：符號一表不賦值符號，即將右邊變量的值賦給左邊的變量；符號發(fā)和?分 別表示Hardmard乘和除，即矩陣的點(diǎn)乘和點(diǎn)除；開方函數(shù)sqrtO作用于矩陣表示對相應(yīng) 矩陣的每個分量元素都做開放運(yùn)算；B+= max(B, 0)，B = 0)，同開方函數(shù)sqrt() 一樣，max〇和min()這里分別把矩陣的每個元素與0作比較，取相應(yīng)的最大或最小元素； CN 105184320 A I兄明 3/7 頁
H為與矩陣S同階的元素全為I的矩陣；
[0034] 405)更新碼書A，具體如下：
[0036] 其中，〇為優(yōu)化碼書的梯度下降步長，且
h的取值范圍為 0. 01~0. 1，分子max {I Ag I}表示碼書A中元素絕對值的最大值，分母·
表示E 關(guān)于碼書A的梯度矩陣V4J?的所有元素絕對值的平均值，
上標(biāo)T表 示矩陣或向量的轉(zhuǎn)置，P表示懲罰系數(shù)，F(xiàn)為非負(fù)稀疏編碼模型的目標(biāo)函數(shù)；
[0037] 406)如果目標(biāo)函數(shù)值前后兩次的相對該變量小于10 6,或者達(dá)到預(yù)定的迭代次 數(shù)，就停止執(zhí)行，得碼書矩陣A ;否則，置t = t+Ι，轉(zhuǎn)到步驟403)。
[0038] 本發(fā)明進(jìn)一步的改進(jìn)在于，
其中，
即D是一個對角矩陣，它的對角元素分別是 ; I是與D同階的單位矩陣。
[0039] 本發(fā)明進(jìn)一步的改進(jìn)在于，步驟5)中，在目標(biāo)函數(shù)中將碼書固定，按照
來計(jì)算SIFT特征X的基于結(jié)構(gòu)相似度的非負(fù)稀疏編碼s。
[0040] 相對于現(xiàn)有技術(shù)，本發(fā)明具有如下的優(yōu)點(diǎn)：
[0041] 本發(fā)明通過將結(jié)構(gòu)相似度指數(shù)引入到稀疏編碼方法里面，改變傳統(tǒng)的編碼方式， 提高編碼的質(zhì)量，使得編碼更符合人類視覺系統(tǒng)的編碼方式，然后把相應(yīng)的編碼進(jìn)行空間 金字塔最大池化的方式進(jìn)行整合，可以得到圖像的特征向量，進(jìn)而將空間金字塔最大池化 后的特征向量應(yīng)用于圖像分類。
[0042] 本發(fā)明去掉了傳統(tǒng)稀疏編碼方法中的基于最小均方誤差的重構(gòu)失真度量，用結(jié)構(gòu) 相似度作為重構(gòu)失真的度量，提出了基于結(jié)構(gòu)相似度的非負(fù)稀疏編碼模型，該方可以對任 何向量化的特征進(jìn)行編碼，是一種符合人眼視覺特性的編碼方法。
[0043] 本發(fā)明對圖像稠密地提取SIFT特征，對SIFT特征進(jìn)行基于結(jié)構(gòu)相似的非負(fù)稀疏 編碼，對編碼進(jìn)行空間金字塔最大池化便得到了整幅圖像的一個特征向量，將得到的特征 向量用于圖像分類。
【附圖說明】：
[0044] 圖1為本發(fā)明基于結(jié)構(gòu)相似度的非負(fù)稀疏編碼的圖像分類方法的流程圖。
[0045] 圖2為空間金字塔最大池化示意圖。
【具體實(shí)施方式】：
[0046] 以下結(jié)合附圖和實(shí)施例對本發(fā)明作進(jìn)一步的詳細(xì)說明。
[0047] 本發(fā)明試圖從結(jié)構(gòu)相似度的角度來尋找相應(yīng)的稀疏編碼，本發(fā)明引入結(jié)構(gòu)相似度 作為信息保持程度的重要衡量指標(biāo)，然后加上非負(fù)稀疏約束，給出了基于結(jié)構(gòu)相似度的非 負(fù)稀疏編碼模型。之所以要求編碼的非負(fù)性，是因?yàn)榉秦?fù)的編碼在應(yīng)用中具有更好的穩(wěn)定 性。
[0048] 給定信號X和y，X，y e Rn，結(jié)構(gòu)相似度的定義如下：
[0050] 其中，
r X1為信號X的第i個分量元素，
I1為信號y 的第i個分量元素 ，σ .和σ y分別表示信號X和y的標(biāo)準(zhǔn)差，
，
表示信號X和y的協(xié)方差，
(KC1, C2< < 1為避免分母為0而特設(shè)的兩個極小的正常數(shù)，結(jié)構(gòu)相似度越接近1，說明這兩 個特征越接近。因此，I-SS頂(x，y)可以作為衡量特征失真的程度。
[0051] 如圖1所示，本發(fā)明基于結(jié)構(gòu)相似度的非負(fù)稀疏編碼的圖像分類方法，包括以下 步驟：
[0052] 1):對數(shù)據(jù)集的每一幅圖片按照一定大小的像素塊（例如16X 16像素大小的圖像 塊）和事先確定的上下左右滑動步長（例如6像素的滑動步長），稠密地提取SIFT特征。
[0053] 2):從所提取的所有SIFT特征中，隨機(jī)地選取η (例如，20萬）個SIFT特征，所選 取的全部特征形成一個矩陣，記為X，記X = [X1, x2,…，xj ;每一列Xie Rpxi Q = 1，2,…，η) 表示一個SIFT特征向量，ρ表示所提取的SIFT特征的維數(shù)，如果SIFT特征向量為128維 時，那么p = 128,這里所選取的全部SIFT特征用于求該數(shù)據(jù)集的碼書。
[0054] 3):設(shè)碼書為A = [ai，a2, 一,aj，A的每一列表示一個基向量，碼書的列數(shù)為k， SIFT特征向量Xi (i = 1，2,…，η)在碼書A下的稀疏編碼為Si (i = 1，2,…，η)，定義編碼 矩陣S= [Sl，S2，…，sj，。下面給出非負(fù)稀疏編碼模型的目標(biāo)函數(shù)：
[0056] 其中，i = 1，2,…，η，η為隨機(jī)挑選的SIFT特征的數(shù)目，j = 1，2,…，k，k為碼書 的列數(shù)，Sjl為稀疏編碼為s i的第j個分量；
[0057] 寫成矩陣形式：
[0059] 其中，I |a」I = 1，即碼書每一列的模長或L-2范數(shù)為1(向量的L-2范數(shù)等于其所 有元素平方和的平方根），要求碼書中的每一個基的模長為1是為了防止出現(xiàn)平凡解，PL 表示矩陣S的HI1范數(shù)，m i范數(shù)等于矩陣的所有元素的絕對值的和。S多O表示矩陣S中每 一個元素都是非負(fù)的。目標(biāo)函數(shù)中，第一項(xiàng)的作用是為了保證重構(gòu)的特征與原特征盡可能 的結(jié)構(gòu)相似，是對重構(gòu)失真的一種衡量，在傳統(tǒng)的稀疏編碼模型中，重構(gòu)失真是用誤差的平 方和來衡量的，而本發(fā)明是用結(jié)構(gòu)相似度