-
公开(公告)号:CN118247590A
公开(公告)日:2024-06-25
申请号:CN202410463592.4
申请日:2024-04-17
申请人: 西安交通大学
IPC分类号: G06V10/77 , G06V10/44 , G06V10/764
摘要: 本发明公开了一种基于稀疏非负矩阵的图像特征提取方法,将图像数据集中的图像进行向量化、归一化处理,按列组成由图片像素值大小决定的非负矩阵,将非负矩阵分解成基图像矩阵W和系数矩阵H,利用最小化l0范数或矩阵稀疏度作为约束条件,在矩阵分解模型中引入稀疏项,获得稀疏非负矩阵分解模型,并将其作为目标函数,通过将梯度引入双层连续时间优化模型并考虑到问题的双凸特性,固定一个变量的同时优化另一个变量,找到的最优解作为最优系数矩阵H,即提取得到的最优图像特征。本发明能够显著减少存储空间的需求,减少所需的计算时间,大幅提高数据处理的速度,并使得数据分析和解释更加直观,提高模型的可解释性,从而有助于图像识别。