一种基于特征相似度计算的快速聚合分类方法

本发明公开了一种基于特征相似度计算的快速聚合分类方法，涉及图像处理技术领域，主要包括步骤：在迁移学习模式下，通过对各训练图像以及对应的梯度特征、频域特征进行维度统一后的注意力机制整合，获取场景高维特征信息；根据各训练图像获得的场景高维特征信息，基于无穷范数进行距离比对下的基准核心特征挑选；根据基准核心特征，使用基于密度的聚类算法进行噪声点剔除下的特征矩阵获取；提取目标输入图像的梯度特征和频域特征，并与目标输入图像进行维度统一后的注意力机制整合，获取目标高维特征信息；根据目标高维特征信息与特征矩阵中基准核心特征的距离进行目标输入图像的分类判断。本发明极大地提高了系统分类判别的适应性和灵活性。