(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 110119776 A(43)申请公布日 2019.08.13
(21)申请号 201910387408.1(22)申请日 2019.05.10
(71)申请人 长沙理工大学
地址 410114 湖南省长沙市天心区万家丽
南路2段960号长沙理工大学云塘校区(72)发明人 邓泽林 陈佳杰
(74)专利代理机构 长沙楚为知识产权代理事务
所(普通合伙) 43217
代理人 李大为(51)Int.Cl.
G06K 9/62(2006.01)
权利要求书1页 说明书9页 附图3页
(54)发明名称
基于多核学习K-SVD的识别方法及其系统(57)摘要
本发明公开了基于多核学习K-SVD的识别方法及其系统，方法包括：将经验图像训练转化为列向量形成字典D；通过多核函数将字典D分类训练得到字典D'；将字典D'通过K-SVD进行字典更新，得到字典D”；将待识别图像与字典D”进行冗余计算，得到残差值集合；获取残差值集合中的最小值，判断最小残差值是否在预设的阈值范围内；若最小残差值在预设的阈值范围内，则完成图像识别匹配。通过将多核函数引入K-SVD字典学习，通过对所有样本进行分类训练字典，得到一个过完备字典，该字典可以为每个信号原子提供最佳表示，可以有效地解决待处理图像分类不完备的问题，为训练得到的字典的稀疏性提供保障；对处理识别图像时，识别准确率高。
CN 110119776 ACN 110119776 A
权 利 要 求 书
1/1页
1.一种基于多核学习K-SVD的识别方法，其特征在于，方法包括：S1.将经验图像训练转化为列向量形成字典D；S2.通过多核函数将字典D分类训练得到字典D'；S3.将字典D'通过K-SVD进行字典更新，得到字典D”；S4.将待识别图像与字典D”进行冗余计算，得到残差值集合；S5.获取残差值集合中的最小值，判断最小残差值是否在预设的阈值范围内；S6.若最小残差值在预设的阈值范围内，则完成图像识别匹配。2.根据权利要求1所述的识别方法，其特征在于：所述步骤S2后，步骤S3前还包括：将字典D'每一列归一单元化，使其具有单位范数。
3.根据权利要求2所述的识别方法，其特征在于：所述步骤S3后，步骤S4前还包括：根据字典D”计算L2范数最小化以及稀疏系数。
4.根据权利要求1所述的识别方法，其特征在于：所述步骤S6具体为：若最小残差值在预设的阈值范围内，则将待识别图像归入最小残差值对应字典D”的分类中，完成图像识别匹配。
5.根据权利要求1所述的识别方法，其特征在于：若步骤S5中判断最小残差值不在预设的阈值范围内时，则图像识别显示不匹配。
6.一种基于多核学习K-SVD的识别系统，其特征在于，系统包括：转化模块、多核训练模块、K-SVD更新模块、残差计算模块、残差判断模块以及识别匹配模块；所述转化模块、多核训练模块、K-SVD更新模块、残差计算模块、残差判断模块以及识别匹配模块依次连接，其中：
转化模块，用于将经验图像训练转化为列向量形成字典D；多核训练模块，用于通过多核函数将字典D分类训练得到字典D'；K-SVD更新模块，用于将字典D'通过K-SVD进行字典更新，得到字典D”；残差计算模块，用于将待识别图像与字典D”进行冗余计算，得到残差值集合；残差判断模块，用于获取残差值集合中的最小值，判断最小残差值是否在预设的阈值范围内；
识别匹配模块，用于若最小残差值在预设的阈值范围内，则完成图像识别匹配。7.根据权利要求6所述的识别系统，其特征在于，还包括归一单元模块，所述归一单元模块连接于多核训练模块以及K-SVD更新模块，所述归一单元模块用于将字典D'每一列归一单元化，使其具有单位范数。
8.根据权利要求7所述的识别系统，其特征在于，还包括范数计算模块，所述范数计算模块连接于K-SVD更新模块以及残差计算模块，所述范数计算模块用于根据字典D”计算L2范数最小化以及稀疏系数。
9.根据权利要求6所述的识别系统，其特征在于，所述识别匹配模块具体用于：所述残差判断模块判断出最小残差值在预设的阈值范围内时，所述识别匹配模块将待识别图像归入最小残差值对应字典D”的分类中，完成图像识别匹配。
10.根据权利要求6所述的识别系统，其特征在于，还包括不匹配显示模块，所述不匹配显示模块与残差判断模块连接，当残差判断模块判断出最小残差值不在预设的阈值范围内时，所述不匹配显示模块对图像识别显示为不匹配。
2
CN110119776A基于多核学习KSVD的识别方法及其系统[专利]
