[发明专利]一种基于曲波域双边二维主成分分析的图像目标识别方法

权利要求书

1.一种基于曲波域双边二维主成分分析的图像目标识别方法，其特征在于，包括下列步骤：

步骤一：输入训练样本集和测试样本集，并对所述的训练样本集和测试样本集中的图像进行归一化处理，所述的训练样本集为已分类图像，所述的测试样本集为待分类图像，先对训练样本集进行标示，再将训练样本集和测试样本集的像素值归一化到[0,1]；

步骤二：确定曲波变换的分解层数，再将步骤一中归一化后的样本集进行曲波变换，保留并提取各样本集中样本图像的低频子带系数；

步骤三：根据步骤二得到的训练样本集低频子带系数求取特征左投影矩阵和右投影矩阵；

步骤四：将步骤一的原始训练样本集和测试样本集中心化，再利用步骤三得到的左、右投影矩阵将中心化后的训练样本集和测试样本集进行投影，提取并得到训练样本集特征和测试样本集特征；

步骤五：根据步骤四得到的样本集特征值，求取测试样本集特征与每个训练样本集特征的距离；若测试样本集特征与属于某类的训练样本集特征距离最近，则将测试样本集标定为该类，实现目标分类，得到最终的识别结果。

2.如权利要求1所述的方法，其特征在于：步骤三具体包括下列步骤：

步骤1：先确定左右投影矩阵提取特征的维数s和r，所述的维数s和r二数值小于低频子带行向量个数和列向量个数；

步骤2：将训练样本集中心化，并求取训练样本集的总体散度矩阵；

步骤3：步骤2所述总体散度矩阵前r个大特征值的特征向量组成右投影矩阵的列向量，得到右投影矩阵；

步骤4：将训练样本经过右投影过后的得到的特征矩阵转置，作为新的训练样本，并将其中心化，再求取新的训练样本的总体散度矩阵；

步骤5：步骤4得到的新的总体散度矩阵前s个大特征值的特征向量组成了左投影矩阵的行向量，得到左投影矩阵。