基于多源多标签共享子空间学习的复杂图像精确分类方法

摘要

本发明公开了一种基于多源多标签共享子空间学习的复杂图像精确分类方法。首先，针对包含多层语义信息的图像，采用全局Gist特征提取方法获得图像的全局语义信息描述；其次，引入多个与目标域样本集相关联但不相同的多标签图像数据集作为多个源领域对目标域中的训练样本进行多标签化预处理，将多源域中的先验判别信息迁移至目标域中，改善目标域预测模型的性能；然后，基于样本的训练和多源域赋予的先验伪标签设计新的经验风险函数，通过增加训练样本的重要性权重改善了模型拟合的优化性能，最终获得理想的类别预测模型(即多标签分类模型)，以对待分类图像进行类别预测，可以提升相应分类方案的灵活性，有利于相应目标分类器性能的提升和改善。