买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西北工业大学

摘要：本发明涉及一种基于范数稀疏算子与不相关约束的图像像素判别性筛选方法，提出了一种无超参数的特征选择模型，并将其应用于图像数据处理任务，名为基于范数稀疏算子与不相关约束的图像像素判别性筛选方法，在结合稀疏算子范数和不相关线性判别分析模型的基础上，构建高泛化性能的无超参数模型，其中范数能够将投影矩阵非零行数量与特征选择数量显式对应，且不相关约束能够保证所选子集之间统计学不相关，进而自适应获取非冗余且包含图像数据判别信息的关键特征子集，以期实现对图像数据像素的高效判别性筛选。

主权项：1.一种基于l2,0范数稀疏算子与不相关约束的图像像素判别性筛选方法，其特征在于：像素筛选模型仅包含子空间维数m和图像像素筛选数k两个有明确物理意义的整型参数；方法步骤如下：步骤1：将由n个a×b像素图像组成的数据集拉长并合并为一个图像数据矩阵其中n为图像总数，d＝a×b为单张图像的像素数量；步骤2：对数据矩阵X′进行特征归一化处理，使得处理后数据矩阵的均值为0，标准差为1，记归一化处理后的图像数据矩阵为步骤3：根据如下规则定义样本标签矩阵其中c为图像类别数：当第i张图像数据向量xi属于第j类时，yij＝1，否则为0；计算类内散度矩阵Sw与总体散度矩阵St： 其中，为样本标签矩阵，由样本标签构造；步骤4：将数据矩阵X映射到低维子空间的投影矩阵其中m为子空间维数；对W施加l2,0范数稀疏算子并构成等式约束||W||2,0＝k，使投影矩阵W的非零行数与所筛选像素数一致；将基于l2,0范数稀疏算子的等式约束与不相关线性判别分析模型整合得到如下主模型： 其中，Im表示m维单位阵，k为图像像素筛选数量；受益于l2,0范数等式约束，像素筛选数量k与W的非零行数显式对应；对W执行矩阵分解，即W＝VR，其中V∈{0,1}d×k为特征筛选指示矩阵且满足VT1d＝1k，为非零投影矩阵；定义集合和特征筛选索引集合中无重复元素且满足和所述集合和矩阵V的对应关系：基于该对应关系，将约束V∈{0,1}d×k和VT1d＝1k统一记为Ω，并将提出的主模型转化为如下待求解问题： 步骤5：随机初始化集合和对应矩阵V；步骤6：计算和同时优化V的第j列vjj＝1,2,...,k和R，得到最优特征筛选指示矩阵V和特征筛选索引步骤7：以最优特征筛选指示矩阵V和特征筛选索引选择图像数据所有d个像素中的k个，从而实现图像数据像素的判别性筛选。

全文数据：

权利要求：

百度查询： 西北工业大学 基于L2.0范数稀疏算子与不相关约束的图像像素判别性筛选方法