[发明专利]一种基于稀疏表示的图像识别方法

权利要求书

1.一种基于稀疏表示的图像识别方法，其特征在于：该方法包括以下步骤：

(1)基于自适应增强字典学习过程学习多个字典及相应的弱分类器，并计算分类器权值系数；

(2)基于步骤(1)学习的多个字典计算待分类数据的稀疏表示向量，再利用相应的弱分类器进行分类，加权组合各弱分类器识别结果而得到最终识别结果；

所述步骤(1)包括以下分步骤：

(1.1)初始化训练样本的权重，初始化第i个样本的权重为N为样本数量，训练样本的初始权重记为W₁＝(w_1,1,K,w_1,i,K,w_1,N)；训练样本来自Caltech10图像分类数据库和Amazon10图像分类数据库；

(1.2)字典学习和分类器训练，迭代M轮，得到M个字典、M个分类器及相应的分类器权值系数；

所述步骤(1.2)包括以下步骤：

a)联合训练字典和分类器

第m个字典D_m、第m个分类器Q_m和第m个稀疏表示矩阵A_m通过公式(1)求出：

其中为第i个训练样本，S为样本维度；m为迭代索引，1≤m≤M；表示第m个字典，K为字典原子数量；表示第m个分类器，C为类别数；为第i个样本的标签向量；w_m,i为第m轮迭代第i个样本的权重；为第m轮迭代第i个样本的稀疏表示向量，训练集的稀疏表示矩阵记为θ为稀疏约束参数；

公式(1)简化变形得到公式(3)

公式(3)使用KSVD算法进行求解，得到字典D_m和分类器Q_m，用OMP算法求解稀疏表示矩阵A_m；

b)利用分类器计算训练样本的分类结果

根据步骤a)得到的分类器Q_m和第i个样本的稀疏表示向量α_m,i求得样本类别估计向量根据公式(4)得到第i个样本的预测结果P_m,i

c)计算分类器的分类误差

通过公式(5)计算第m个分类器的分类误差

d)计算第m个分类器的权值系数

使用公式(6)计算第m个分类器的权值系数β_m

e)更新样本权重

第m+1次迭代样本的权重为W_m+1＝(w_m+1,1,K,w_m+1,i,K,w_m+1,N)，其中各分量使用公式(7)计算：

重复步骤a)～e)，直到最大迭代次数M。

2.根据权利要求1所述的基于稀疏表示的图像识别方法，其特征在于：所述步骤(2)包括以下分步骤：

f)利用步骤(1)求得的字典计算待分类数据的稀疏表示

y为待分类数据，用OMP算法求解公式(8)得到待分类数据的稀疏表示a_m，相应于M个字典得到对应的M个稀疏表示；

g)利用第m个弱分类器进行分类，得到预测结果P_m，通过公式(9)利用步骤(1)求得的分类器权值系数对弱分类器的预测结果进行组合：

通过公式(10)获得最终分类结果P