【技术实现步骤摘要】
本专利技术属于图像分类，尤其涉及一种基于证据多视角核化的目标分类方法及装置。
技术介绍
1、随着传感器、互联网和存储设备的快速发展，一个图像可以由一系列不同特征来描述，包括颜色、直方图、纹理等等。如何对这些具有多个视角特征的图像进行聚类获得了大量的关注，被广泛应用于医疗诊断、自动驾驶等领域。
2、目前已经出现了一些基于证据推理的聚类方法的研究，称为证据聚类。它们通过将证据推理应用于图像聚类中，可以实现聚类不精确性的表征。在聚类问题中，证据推理辨识框架中的元素一般被认为三类：单类，复合类和噪声类。其中，只包含一个元素的集合被称之为单类，例如w1等；对应的，包含超过一个元素的集合被称为复合类，例如{w1，w2}等。特别的，复合类也被视为一个单独的类，可以理解为这些包含的单类之间的过渡类。空集一般被用来表示噪声类。在广义框架证据聚类中，图像被允许以不同的信任值(mass)分配给相应的类以表征不确定性，m(·)表示图像对某个类的信任值，对于每一个目标，确a表示图像类别。当图像被分配到复合类时，表明该图像在局部具有不精确性(不可分辨性)，根据当前信息不能将图像准确划分给一个单类，但目标有可能属于该复合类包含的任意一个单类。
3、但是，证据聚类方法只能在单视角图像中实现聚类的不精确性表征，无法对多视角图像进行跨视角信息分析和融合，因此这些方法无法应用于多视角聚类，或是在多视角数据中聚类结果的准确性很低。
技术实现思路
1、本专利技术的目的是提供一种基于证据多视角核化的目
2、本专利技术采用以下技术方案：一种基于证据多视角核化的目标分类方法，包括以下步骤：
3、获取待分类图像集对应于不同图像属性的特征信息，以及待分类图像集对应的图像类别数量；
4、初始化每个待分类图像在不同图像属性中与每个图像类别的相似度，并基于相似度计算待分类图像在不同图像属性中属于每个图像类别的信任值；
5、根据信任值计算图像属性的属性权重；
6、以属性权重、信任值和相似度计算待分类图像的分类误差，当分类误差变化量小于等于误差阈值时，基于信任值确定待分类图像集中待分类图像的类别。
7、进一步地，当分类误差变化量大于误差阈值时，基于信任值更新相似度，继续计算。
8、进一步地，分类误差计算方法为：
9、
10、其中，q表示图像属性的数量，q∈{1,2,...,q}，aq表示第q个图像属性的属性权重，n表示待分类图像的数量，i∈{1,2,...,n}，s∈{1,2,...,n}，k∈{1,2,...,n}，c表示图像类别数量，j∈{1，2，...，c}，表示在第q个图像属性中第i个图像属于第j个图像类别的信任值，β表示信任值和相似度之间的关联因子，表示在第q个图像属性中第i个图像与第j个图像类别的相似度，θ表示图像属性和属性权重之间的相关因子，表示第q个图像属性中第s个图像与第k个图像之间的相似度，η表示不同图像属性的属性权重的差异因子。
11、进一步地，基于相似度计算待分类图像在不同图像属性中属于每个图像类别的信任值包括：
12、
13、进一步地，基于信任值确定待分类图像集中待分类图像的类别包括：
14、选择待分类图像在不同图像属性中的信任值中的最大信任值；
15、当不存在使成立的信任值时，将待分类图像划分为最大信任值对应的图像类别；其中，belimax表示待分类图像i的最大信任值，belij表示待分类图像i对图像类别中第j个单类的信任值，表示信任值差距阈值。
16、进一步地，当存在使成立的信任值时：
17、对待分类图像进行再分类。
18、进一步地，对待分类图像进行再分类包括：
19、选择使成立的图像单类，并构建再分类图像类别集合；
20、基于再分类图像类别集合为进行再分类的待分类图像进行分类。
21、进一步地，基于再分类图像类别集合为进行再分类的待分类图像进行分类包括：
22、基于相似度计算待分类图像与再分类图像类别集合中每个图像类别的第二相似度；
23、在不同图像属性中基于相似度计算再分类图像类别集合中每个图像类别的分离度；
24、根据分离度和第二相似度计算再分类图像在不同图像属性中对于不同图像类别的第二信任值；
25、根据第二信任值确定再分类图像的图像类别。
26、进一步地，根据第二信任值确定再分类图像的图像类别包括：
27、
28、其中，μij′表示第i个图像属于第j′个图像类别的第二信任值，表示在第q个图像属性中第i个图像属于第j′个图像类别的第二信任值，表示在第q个图像属性中第j′个图像类别的归一化分离度。
29、本专利技术的另一种技术方案：一种基于证据多视角核化的目标分类装置，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的方法。
30、本专利技术的有益效果是：本专利技术通过提取图像在不同图像属性中的特征信息，并基于该特征信息计算图像对于每个图像类别的信任值和属性权重，最后结合信任值和对应的属性权重计算图像分类误差，当分类误差预设要求时，确定对应的图像类别；本专利技术通过结合不同图像属性对图像分类的影响，可以提升图像分类精度。
本文档来自技高网...【技术保护点】
1.一种基于证据多视角核化的目标分类方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于证据多视角核化的目标分类方法，其特征在于，当所述分类误差变化量大于误差阈值时，基于所述信任值更新所述相似度，继续计算。
3.如权利要求1或2所述的一种基于证据多视角核化的目标分类方法，其特征在于，所述分类误差计算方法为：
4.如权利要求3所述的一种基于证据多视角核化的目标分类方法，其特征在于，基于所述相似度计算待分类图像在不同图像属性中属于每个图像类别的信任值包括：
5.如权利要求4所述的一种基于证据多视角核化的目标分类方法，其特征在于，基于所述信任值确定所述待分类图像集中待分类图像的类别包括：
6.如权利要求5所述的一种基于证据多视角核化的目标分类方法，其特征在于，当存在使成立的信任值时：
7.如权利要求6所述的一种基于证据多视角核化的目标分类方法，其特征在于，对待分类图像进行再分类包括：
8.如权利要求7所述的一种基于证据多视角核化的目标分类方法，其特征在于，基于所述再分类图像类别集合为进行再分
9.如权利要求8所述的一种基于证据多视角核化的目标分类方法，其特征在于，根据所述第二信任值确定再分类图像的图像类别包括：
10.一种基于证据多视角核化的目标分类装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9任一项所述的方法。
...【技术特征摘要】
1.一种基于证据多视角核化的目标分类方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于证据多视角核化的目标分类方法，其特征在于，当所述分类误差变化量大于误差阈值时，基于所述信任值更新所述相似度，继续计算。
3.如权利要求1或2所述的一种基于证据多视角核化的目标分类方法，其特征在于，所述分类误差计算方法为：
4.如权利要求3所述的一种基于证据多视角核化的目标分类方法，其特征在于，基于所述相似度计算待分类图像在不同图像属性中属于每个图像类别的信任值包括：
5.如权利要求4所述的一种基于证据多视角核化的目标分类方法，其特征在于，基于所述信任值确定所述待分类图像集中待分类图像的类别包括：
6.如权利要求5所述的一...
【专利技术属性】
技术研发人员：张作伟，刘准钆，刘传琦，潘泉，吴朋铖，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。