一种基于分组稀疏的多核学习图像分类方法

摘要

本发明公开了一种基于分组稀疏的多核学习图像分类方法，属于图像模式识别技术领域。本发明主要解决图像分类时的异构特征选择问题。主要步骤包括：(1)挑选图像样本，并按比例分成训练样本和测试样本；(2)分别提取每幅图像的形状、SIFT和Gabor等异构特征；(3)利用分组稀疏多核学习分类算法训练分类器，然后以测试样本测试分类功率；(4)采用多重交叉实验来验证算法的平均性能。本发明在处理异构特征选择问题时，利用MKL进行特征选择时依然实施稀疏约束，但针对每一个特征，允许选择多个不同的基核函数，从而形成组间稀疏而组内非稀疏的效果，使得MKL在处理异构特征选择问题时，能有效提高分类整体性能。