一种基于自调制字典学习的图像分类方法

本发明公开了一种基于自调制字典学习的图像分类方法，具体包含以下步骤：

1. 训练阶段：

   • 步骤1：局部特征抽取； 对训练图像集中的每一幅训练图像进行局部特征描述子抽取，生成训练图像集的局部特征集合。

   • 步骤2：自调制字典学习； 通过自调制机制学习字典。

   • 步骤3：训练图像表示； 包含特征稀疏编码和图像空间聚合两个子步骤。

   • 步骤4：分类模型学习； 基于学习到的字典和局部特征进行分类模型的学习。

   • 步骤5：局部特征抽取； 对待分类图像进行局部特征抽取。

   • 步骤6：待分类图像表示； 利用学习到的字典对局部特征进行稀疏编码，得到待分类图像的表示。

   • 步骤7：模型预测； 利用训练好的分类模型对图像进行预测。

本发明为字典学习引入了合理的顺序机制，设计了一套自调制机制的字典学习方法，并结合图像分类进行分析验证，最终显著提高了图像分类的准确度。

本发明公开了基于自调制字典学习的图像分类方法，包含如下步骤：训练阶段：步骤1，局部特征抽取；对于训练图像集中的每一幅训练图像进行局部特征描述子抽取生成训练图像集的局部特征集合；步骤2，自调制字典学习；步骤3，训练图像表示：包含特征稀疏编码和图像空间聚合两个子步骤。步骤4，分类模型学习；步骤5，局部特征抽取；步骤6，待分类图像表示；步骤7，模型预测。本发明为字典学习引入了合理的顺序机制，设计了一套自调制机制的字典学习方法，并结合图像分类进行分析验证，最终提高图像分类的准确度。