(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210493913.6 (22)申请日 2022.04.28 (71)申请人 西北工业大 学 地址 710072 陕西省西安市友谊西路127号 (72)发明人 王靖宇　谢方园　聂飞平　李学龙　 (74)专利代理 机构 西安凯多 思知识产权代理事 务所(普通 合伙) 61290 专利代理师 刘新琼 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/74(2022.01) G06K 9/62(2022.01) (54)发明名称 一种图像分类方法 (57)摘要 本发明涉及一种图像分类方法， 首先， 对原 始图像数据进行特征提取， 得到原始图像的特征 数据， 在特征数据中采用K ‑Means算法生成代表 性锚点； 其次， 采用基于概率近邻的方法建立锚 点和数据点之间的相关关系矩阵， 并得到数据点 间的相似度矩阵； 最后采用坐标上升法， 根据近 邻图和类别指示矩 阵之间的对应关系得到离散 的类别指示矩阵。 本发明通过选取具有代表性的 锚点， 构建锚点和样本点之间的二步图， 来构建 样本点之间的近邻图， 从而减少挖掘图像之间近 邻关系的计算量。 采用坐标上升方法对直接求解 聚类算法中的标签矩阵， 直接得到图像分类结 果， 加快图像分类的计算速度。 权利要求书2页 说明书9页 附图1页 CN 114821181 A 2022.07.29 CN 114821181 A 1.一种图像分类方法， 其特 征在于步骤如下： S1： 输入分类图像； S2： 提取图像特征， 得到特征数据 其中， xi为第i个数据点， d为特征 的维度， n 为图像数据点的个数； S3： 采用可变锚点个数的平衡K均值方法选取m个锚点， 得到锚点 集U； S4： 根据锚点构建数据点之间的相似度矩阵A； S5： 根据相似度矩阵A和标签关系构建模型； S6： 采用坐标 上升法对 模型求解， 得到特 征数据的标签， 完成图像分类。 2.根据权利要求1所述的一种图像分类方法， 其特 征在于所述S4分为以下两个步骤： S41： 采用相似度自学习方法构建数据点与锚点之间的相关 关系矩阵B； S42： 根据相关 关系矩阵B计算得到样本 近邻图A， 及相似度矩阵A。 3.根据权利要求2所述的一种图像分类方法， 其特征在于： 采用相似度自学习方法构建 数据点与锚点之间的相关 关系矩阵具体如下： 通过相似度自学习方法得到数据点X和锚点U之 间的相关关系矩阵B， 为样本点 与锚点之间的相关 关系矩阵； 对第i个样本点 来说， 模型如下： 其中， bi j为B中的第i行第j列元素， 为B中的第i行， γ为正则化系数。 设 为第i个样本点与第j个锚点之间的欧式距离， 是一个向量， 它的第j个元 素为kij， 则上述优化问题可写成如下向量形式 假设bi中有l(l≤m)个非零元素， 对ki进行重新排序， 排序后假设 对应 的bi为 则 的表达式为 4.根据权利要求3所述的一种图像分类方法， 其特征在于： 根据相关关系矩阵B计算得 到样本近邻图A， 及相似度矩阵A具体如下： 得到B之后， 通过样本点和锚点之间的相似度构建样本点间相似度 A＝BΔ‑1BT 其中， 为一个对角阵， 其第i个元 素的计算 为 令 此时 权　利　要　求　书 1/2 页 2 CN 114821181 A 25.一种计算机系统， 其特征在于包括： 一个或多个处理器， 计算机可读存储介质， 用于 存储一个或多个程序， 其中， 当所述一个或多个程序被所述一个或多个处理器执行时， 使得 所述一个或多个处 理器实现权利要求1 ‑4任一所述的方法。 6.一种计算机可读存储介质， 其特征在于存储有计算机可执行指令， 所述指令在被执 行时用于实现权利要求1 ‑4任一所述的方法。 7.一种计算机程序， 其特征在于包括计算机可执行指令， 所述指令在被执行时用于实 现权利要求1 ‑4任一所述的方法。权　利　要　求　书 2/2 页 3 CN 114821181 A 3