[发明专利]对小样本图像进行分类的主成分分析网络的训练方法

权利要求书

1.一种对小样本图像进行分类的主成分分析网络的训练方法，所述主成分分析网络包括第一层网络和与所述第一层网络连接的第二层网络，其特征在于，

包括：

向所述第一层网络输入N幅训练图像对第i幅图像，提取预定大小为k₁×k₂的图像块，并将所述图像块向量化得到x_i,1,x_i,2,…,x_i,m'n'，将所述图像块进行拼接得到X_i＝[x_i,1,x_i,2,…,x_i,m'n']，对于所述N幅训练图像得到矩阵X＝[X₁,X₂,…,X_N]；

基于所述N幅训练图像得到第一数量的第一类聚类并获取各个所述第一类聚类的协方差矩阵：/计算所述第一类聚类的协方差矩阵的前L₁个特征向量，得到所述第一层网络的PCA滤波器：/基于所述第一层网络的PCA滤波器得到第一层输出图像的第cl个滤波器的输出

将所述第一层输出图像输入至第二层网络，提取所述第一层输出图像的第cl个滤波器的图像块并进行拼接得到提取所述第一层输出图像的所有滤波器的图像块并进行拼接得到矩阵/

基于所述第一层输出图像得到第二数量的第二类聚类并获取各个所述第二类聚类的协方差矩阵：/计算所述第二类聚类的协方差矩阵的前L₂个特征向量，得到所述第二层网络的PCA滤波器：/基于所述第二层网络的PCA滤波器得到第二层输出图像第cul个滤波器的输出并且

将第二层输出图像二值化得到将L₂个所述第二层输出图像进行加权求和得到输出图像/接着将各个所述输出图像分别分为B个图像块，计算每个图像块的灰度直方图，并将各个所述输出图像的图像块的所述灰度直方图进行拼接得到Bhist(T_i^cul)，将所述输出图像的直方图进行拼接，得到所述N幅训练图像的特征/

其中，m'n'为第i幅图像中提取的总图像块数，C₁表示所述第一层网络中的第一数量，C₂表示所述第二层网络中的第二数量，表示/的转置，“*”表示卷积，函数H(·)表示单位阶跃函数，函数的变量为非负数时取值为1，为负数时取值为0。

2.如权利要求1所述的训练方法，其特征在于，

所述第一类聚类的所述第一数量和/或所述第二类聚类的所述第二数量由人工输入。

3.如权利要求1所述的训练方法，其特征在于，

根据所述矩阵X中的图像块的特性自动确认所述第一数量；

根据所述矩阵Y中的图像块的特性自动确认所述第二数量。