[发明专利]一种分布式图像识别方法

摘要

本发明公开了一种分布式环境下的图像识别方法，具体包括图像的预处理，待识别区域的确定；各站点分别提取每幅训练图像中待识别区域的特征，构造各站点的训练图像样本数据集DBi，i＝1，2，...，k；最优分类函数f(x)的构造以及图像的识别这五个步骤。本发明不但可以识别出训练图像样本分布情况下待识别图像的类别，并就识别过程中线性分类器的构造给出了相应的解决方案，还提出了一种基于SVM的分布式图像识别方法，该方法可确保各站点数据不在其他站点驻留，保证了数据的安全和隐私性，同时有着较高的识别准确率。

主权项

一种分布式图像识别方法，其特征在于，包括如下步骤：步骤1图像样本数据集的准备和预处理，各站点分别完成训练图像样本数据集的准备、格式转换、尺度归一化、去噪、增强处理；步骤2图像分割，各站点分别确定每幅训练图像的待识别区域；步骤3特征提取，各站点分别提取每幅训练图像中待识别区域的特征，构造各站点的训练图像样本数据集DBi，i＝1,2,…,k；所述训练图像样本集DBi中各样本的表示为(x1,x2,……,xp,y)，其中p为非类别属性个数，x1,x2,……,xp为非类别属性，y为类别属性，y的值为1或‑1，分别表示两类情况；步骤4最优分类函数f(x)的构造；步骤5主机进行图像的识别；所述步骤4最优分类函数f(x)构造的具体步骤包括：步骤4.1初始化，选择一台独立计算机作为主机，并记为站点S，该主机用来计算内积以及求解最优化问题，然后设定主机两个内存块的大小，分别用来接收两个站点的数据；步骤4.2主机请求各站点发送训练图像样本，然后进行内积计算；步骤4.2.1站点S向站点2请求发送16个样本数据，站点2向站点S发送16个样本数据，记为DS21，站点S计算DS21内任意两个样本的内积；步骤4.2.2站点S向站点3请求发送8个样本数据，站点3向站点S发送8个样本数据，记为DS31，站点S计算DS21、DS31之间两个样本的内积，并保存在站点S上，站点S向站点3请求发送8个样本数据，站点3向站点S发送8个样本数据，记为DS32，站点S计算DS21、DS32之间两个样本的内积，并保存在站点S上；步骤4.2.3站点S向站点1请求发送8个样本数据，站点1向站点S发送8个样本数据，记为DS11，站点S计算DS21、DS11之间两个样本的内积，并保存在站点S上，站点S向站点1请求发送8个样本数据，站点1向站点S发送8个样本数据，记为DS12，站点S计算DS21、DS12之间两个样本的内积，并保存在站点S上，站点S向站点1请求发送8个样本数据，因为站点1上只有4个样本了，站点1向站点S发送4个样本数据，记为DS13，站点S计算DS21、DS13之间两个样本的内积，并保存在站点S上；步骤4.2.4 站点S向站点3请求发送16个样本数据，站点3向站点S发送16个样本数据，记为DS31；步骤4.2.5站点S向站点1请求发送8个样本数据，站点1向站点S发送8个样本数据，记为DS11，站点S计算DS31、DS11之间两个样本的内积，并保存在站点S上，站点S向站点1请求发送8个样本数据，站点1向站点S发送8个样本数据，记为DS12，站点S计算DS31、DS12之间两个样本的内积，并保存在站点S上，站点S向站点1请求发送8个样本数据，站点1向站点S发送4个样本数据，记为DS13，站点S计算DS31、DS13之间两个样本的内积，并保存在站点S上；步骤4.3最优解的求解。