[发明专利]一种基于判别性预测稀疏分解模型的图像分类方法

权利要求书

1.一种基于判别性预测稀疏分解模型的图像分类方法，包括以下步骤：

步骤一：从组织病理图像中随机选择M张作为训练图像，M′张作为测试图像，得到训练样本和测试样本；

步骤二：建立基于堆栈的判别性预测稀疏分解模型；

判别性预测稀疏分解模型为：

其中，Y为样本，D为过完备字典，W为编码矩阵，Z为稀疏分解特征，G为增益对角矩阵，A为线性分类矩阵，Q为类标矩阵，α,β为正则化参数，且α,β0，L为稀疏度；δ(·)为sigmoid函数，第一项为稀疏重构项，第二项为稀疏分解特征预测项，第三项为分类误差项；|| ||_F表示矩阵的F范数，表示矩阵的F范数的平方，|| ||₀表示l₀范数；

基于堆栈的判别性预测稀疏分解模型由n个判别性预测分解模型级联而成，即前一级判别性预测稀疏分解模型的输出作为下一级判别性预测稀疏分解模型的输入，获得最终的学习特征；

步骤三：将训练样本作为判别性预测稀疏分解模型的输入，对判别性预测稀疏分解模型进行求解，提取出组织病理图像的RGB三通道的稀疏分解特征；

步骤四：将所有的稀疏分解特征进行聚类，得到字典D_RGB，根据字典D_RGB建立联合字典

步骤五：利用建立的联合字典建立多通道联合稀疏编码模型；

步骤六：将测试样本作为多通道联合稀疏编码模型的输入，求解多通道联合稀疏编码模型，并基于支持向量机进行分类。

2.根据权利要求1所述的基于判别性预测稀疏分解模型的图像分类方法，其特征在于，所述步骤一中，训练样本的获得方法为：从训练图像Y_train中随机提取N个彩色图像块，并将图像块进行通道分离获得RGB三通道的图像块，然后三个通道的所有图像块转化为列向量，同一个通道列向量合并，分别构造RGB通道的训练样本Y_R，Y_G和Y_B；用同样的方法得到测试样本。

3.根据权利要求2所述的基于判别性预测稀疏分解模型的图像分类方法，其特征在于，所述步骤三中，判别性预测稀疏分解模型的求解过程为：

1)初始化D、Z、G、W和A，令迭代次数iteration＝1，最大迭代次数IM；

2)固定W和G，更新D，A和Z，则判别性预测稀疏分解模型化简为：

其中，I∈R^h×h表示尺寸为h*h的单位矩阵，令Y_new表示由Y、G、Q构造的新的矩阵，D_new表示由D、I、A构造的新的矩阵，则式(2)重新定义如下：

由式(3)可知，式(2)中的D，A和Z的更新，可转化为式(3)中字典D_new和Z的更新：

①固定D_new，利用SPAMS工具箱中的OMP算法求解式(3)，获得稀疏分解特征Z；

②固定Z，更新D_new，则式(3)定义如下：

采用随机梯度下降算法求解式(4)获得D_new；

3)固定D、W、A和Z，更新G，则式(1)重新定义如下：

式(5)为最小二乘估计问题，存在解析解，求解式(5)，得到增益矩阵G的解析解；

4)固定D、G、A和Z，更新W，则式(1)重新定义如下：

采用随机梯度下降算法求解式(6)，更新编码器矩阵W；

5)终止条件判断：判断是否达到最大迭代次数IM，若是则终止迭代，否则令iteration＝iteration+1，返回步骤2)，继续迭代。