一种基于类内差异抑制性字典学习的图像分类方法

本发明公开了一种基于类内差异抑制性字典学习的图像分类方法：S1、选取图像数据集；S2、采用特征提取方法对图像进行预处理，生成图像样本集；S3、构建监督式字典学习模型；S4、构建类别标签矩阵；S5、利用样本数据构建拉普拉斯矩阵；S6、对训练样本采用拉普拉斯特征映射进行正则化；S7、计算类内稀疏均向量；S8、利用最小化稀疏系数之间的类内偏差对字典模型进行优化；S9、采用解析法对目标函数进行求解，对稀疏系数和字典进行迭代更新；S10、根据更新的稀疏系数和字典计算误差；S11、判断是否满足迭代收敛条件，若满足则输出最优的判别字典，否则执行步骤S7；S12、采用kNN分类器进行图像分类。本发明的泛化性能和鲁棒性好，图像分类准确率高。