[发明专利]一种边缘辅助的图像非线性主成分特征提取方法

说明书

本发明提供了一种边缘辅助的图像非线性主成分特征提取方法。该方法包括：基于图像样本集利用KPCA核主成分分析算法生成非线性主成分特征的提取器，将所述提取器设置在终端设备上；终端设备对图像数据进行预处理，使用核函数将预处理后的图像数据映射到高维空间，利用所述提取器提取高维空间中图像数据的非线性特征，将获取的非线性特征数据上传至边缘服务器。本发明通过提取终端设备上图像数据的非线性主成分特征，使终端设备只需要将提取的特征数据上传至边缘服务器，减少了终端设备上传至边缘服务器的数据量，从而降低了传输时延。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种边缘辅助的图像非线性主成分特征提取方法。

背景技术

随着万物互联时代的到来，爆炸式增长的终端设备将产生海量数据。全球智能终端设备接入数量在2025年将达到1500亿个，全球数据总量预计达到163ZB。现有技术将终端设备产生的海量图像数据都上传至云数据中心，不仅导致较大的核心网带宽压力，而且难以满足用户对低时延、高性能的图像识别应用服务的需求。部分现有技术利用边缘计算，通过在网络边缘侧部署边缘服务器来提供计算和存储资源，使得终端设备可以将部分任务或数据卸载到边缘服务器进行处理，避免了终端设备将产生的所有数据都上传至云数据中心，有效地减少了核心网带宽压力。然而，将终端设备产生的海量原始数据直接上传至边缘服务器，会大大增加终端设备与边缘服务器之间的网络带宽压力和传输时延。同时，终端设备产生的原始数据包含大量的噪声数据，造成了带宽资源的极大浪费。

发明内容

本发明的实施例提供了一种边缘辅助的图像非线性主成分特征提取方法，以克服现有技术的缺点。

为了实现上述目的，本发明采取了如下技术方案。

一种边缘辅助的图像非线性主成分特征提取方法，包括：

基于图像样本集利用KPCA核主成分分析算法生成非线性主成分特征的提取器，将所述提取器设置在终端设备上；

终端设备对图像数据进行预处理，使用核函数将预处理后的图像数据映射到高维空间，利用所述提取器提取高维空间中图像数据的非线性特征，将获取的非线性特征数据上传至边缘服务器。

优选地，所述的基于图像样本集利用KPCA核主成分分析算法生成非线性主成分特征的提取器，包括：

对于给定的图像样本集X＝[x₁，x₂，x₃，…，x_N]，通过核函数将原始的图像样本集X映射到高维特征空间中，获得核矩阵K：

其中，是核矩阵；

对核矩阵K进行特征值分解，KE_i＝λ_iE_i，其中E_i为核矩阵K的特征向量，λ_i为核矩阵的特征向量E_i对应的特征值；

按照特征值大小对特征值进行排序或者降序，选择r个最大的特征值对应的特征向量构成非线性主成分特征的提取器E。

优选地，所述核函数包括径向基核函数或者多项式核函数

优选地，所述的终端设备对图像数据进行预处理，使用核函数将预处理后的图像数据映射到高维空间，利用所述提取器提取高维空间中图像数据的非线性特征，将获取的非线性特征数据上传至边缘服务器，包括：

边缘服务器将提取器E发送至终端设备，当终端设备获取图像数据后，首先对图像数据进行预处理得到v_i，使用核函数将v_i映射到高维空间中得到

终端设备利用提取器E的转置乘以得到图像数据的非线性特征将获取的非线性特征数据上传至边缘服务器进行进一步处理。