[发明专利]一种基于数据流形分布的非线性图像特征选择方法

权利要求书

1.一种基于数据流形分布的非线性图像特征选择方法，其特征在于，包括如下步骤： 

(1)对于每个数字图像样本，将其对应的数字图像矩阵，按照统一的行像素堆砌或者列像素堆砌的方式，转化为一个由图像的像素值构成的列向量，该列向量即为图像样本向量； 

(2)针对由多个已知类别信息的图像构成的数据集合，采用该集合中所有数字图像样本的图像样本向量构建D×N阶有标记样本矩阵X＝[x₁，…，x_i，…，x_N]；其中D表示集合中单个图像的像素个数，N表示具有类别信息的样本数，x_i表示一个图像的样本向量； 

(3)建立衡量类边缘距离项的异类间散度的函数模型； 

(4)针对多个未知类别的图像，通过步骤1处理得到图像样本向量构建D×M阶无标记样本矩阵将X和合并得到部分数据类别已知的半监督数据集其中，M表示未知类别的样本数； 

(5)针对图像样本在空间中分布的特点，按照流形的几何分布假设，将图像数据的几何分布结构用局部线性重构系数来描述，构造保持数据局部线性重构系数的图像像素评价函数； 

(6)构造图像数据集像素的信息量评价函数，将信息量评分值于预先给定阀值的像素选择出来作为图像的关键像素特征。 

2.根据权利要求1所述的基于数据流形分布的非线性图像特征选择方法，其特征在于，所述步骤(3)具体包括以下子步骤： 

(3.1)对已知类别数据，在不同图像类之间，根据欧式距离最接近原则，确定其中距离最小的k个图像样本对其中m和n表示图像类别，m≠n且m，n∈{1，…，C}，C是类别数目；k是预先给定的正整数； 

(3.2)建立衡量类边缘距离项的异类间散度的函数模型，设f是由有标记样本矩阵X的某一行所有元素所构成的行向量，它代表了图像某个位置上的像素特征，通过公式(1)计算异类数据散度值： 

其中N_m是X中属于第m类样本的个数，是向量f中对应第m类的元素均值，是向量f中所有元素的均值，分别是向量f中对应于边缘点对的元素值，这一项衡量了异类间中心的散度， 这一项衡量了异类间数据的边缘距离。 

3.根据权利要求2所述的基于数据流形分布的非线性图像特征选择方法，其特征在于，所述步骤(5)具体包括以下子步骤： 

(5.1)对于无标记样本矩阵中的每个图像样本向量x_i，采用最小欧式距离方法寻找并确定其在中最近的k个图像样本向量，将距离x_i的最近k个样本向量标记为其邻居点；其中k是预先给定的正整数； 

(5.2)根据公式(2)计算局部线性重构系数；对于x_i，i＝1，…，N+M，如下优化问题可以算出x_i被其它样本线性重构的表示系数， 

且若x_i和x_j不互为邻居，则W_ij＝0； 

其中公式(2)给出的优化问题可由最小二乘法来求解，表示对应于x_i的重构系数向量； 

(5.3)构造保持数据局部线性重构系数的图像像素评价函数为： 

其中是由无标记样本矩阵的某一行所有元素所构成的行向量，是的第i个元素值，i＝1，…，N+M。 

4.根据权利要求3所述的基于数据流形分布的非线性图像特征选择方法，其特征在于，所述步骤(6)具体包括以下子步骤： 

(6.1)按公式(5)计算像素特征的信息量评分值； 

其中，f_i是f的第i个元素值； 

(6.2)将所有图像上的像素特征所对应的信息量评分值按从大到小的顺序排列，选择信息量评分值高的图像像素特征作为原有图像的紧凑表达。