一种基于多层内卷字典学习网络的图像分类方法及系统

本发明涉及一种基于多层内卷字典学习网络的图像分类方法及系统，属于图像处理技术领域。包括：对获取到的图像数据集进行处理，得到处理数据集；对处理数据集的图像样本进行特征提取,得到每个图像样本的特征样本；将每个特征样本用子字典线性表示，获得字典矩阵；根据字典矩阵构建优化数学模型，通过求解优化数学模型得到表示系数矩阵；根据特征样本、字典矩阵和表示系数矩阵计算每类通道子字典的残差值，根据残差值预测图像样本的标签，进而实现图像分类。本发明解决了由非端到端架构引发的信息丢失问题，并针对未充分考虑类别间特异性差异所引发的分类性能不足进行了优化。