(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210740754.5 (22)申请日 2022.06.28 (65)同一申请的已公布的文献号 申请公布号 CN 114821145 A (43)申请公布日 2022.07.29 (73)专利权人 山东百盟信息技 术有限公司 地址 264200 山东省威海市环翠区海 滨北 路-106A号威海国际商务大厦1 112号 (72)发明人 赵洪伟　付强　付立军　李骜　 (51)Int.Cl. G06V 10/762(2022.01) G06V 10/74(2022.01) (56)对比文件 WO 2022100379 A1,202 2.05.19 李骜等.多 核低冗余表示学习的稳健多视图子空间聚类方法. 《通信学报》 .2021, 李骜等.不完备 数据的鲁棒多视角图学习及 其聚类应用. 《控制与决策》 .2021, 李龙等.多视角未标定图像三维测量 算法. 《微电子学与计算机》 .2010,(第09期), 审查员 黄睿 (54)发明名称 一种基于数据修复的非完整多视角图像数 据聚类方法 (57)摘要 本发明适用 于计算机视觉图像聚类技术领 域， 提供了一种基于数据修复的非完整多视角图 像数据聚类方法， 包括以下步骤： S1： 输入一个缺 失的多视角图像数据集； S2： 基于皮尔逊相关系 数计算方法对缺失的多视角图像数据集从数据 层面进行修复， 获得一个完整的多视角图像数据 集； 本发明基于多视角图像数据视角间的相似 性， 通过皮尔逊相关系数计算方法， 从样本的维 度层面对非完整的多视角图像进行一种精准的 修复， 在将非完整图像数据填补为完整数据的基 础上， 使得所填补的数据在极大程度上接近于真 实图像数据的像素值， 确保用于后续图像聚类模 型学习的图像数据蕴含真实有效的信息 。 权利要求书2页 说明书7页 附图1页 CN 114821145 B 2022.09.23 CN 114821145 B 1.一种基于数据修复的非完整 多视角图像数据聚类方法， 其特 征在于， 包括以下步骤： S1： 输入一个缺失的多视角图像数据集； S2： 基于皮尔逊相关系数计算方法对缺失的多视角图像数据集从数据层面进行修复， 获得一个完整的多视角图像数据集； 所述基于 皮尔逊相关系数计算方法对 所述缺失的多视 角图像数据集从数据层面进行修复的公式为： 其中p表示当前样本的维度， v表示视角数， w表示样本缺失数， xb＝[xb1,xb2,...,xbm]表 示与当前缺失样本相似性 最高的前五个样本； S3： 构建一个多核协作表示模型， 将完整的多视角图像数据集放入多核表示模型中学 习， 获得一个含有多重有效信息的图像数据鲁棒表示， 不同视角将获取到不同的所述鲁棒 表示； S4： 构造一个鲁棒子空间学习模型， 将鲁棒表示送入鲁棒子空间模型中学习， 并获得图 像数据的子空间表示， 不同视角将获得不同的所述子空间； S5： 构建一个低秩张量模型， 将子空间放入低秩张量模型中， 并重组为三维形式来探索 图像数据在三维空间中的隐藏信息； 所述低秩张量模型为： 其中， δ表示由视角1和视角2的鲁棒子空间矩阵所组成的三阶张量， δ表示正则化常数， ||·||F代表张量的Frobinus范数， 表示低秩张量结构， 表示张量 的 低秩张量结构； S6： 定义一个有效的联合表示模型， 将多核表示模型、 鲁棒子空间模型以及低秩张量模 型放入所述联合表示模型中； S7： 利用完整的多视角图像数据集求解出每个变量的最优解， 以此获得一个具有高判 别性的融合子空间； S8： 将融合子空间送入聚类算法中， 获得 所需的聚类结果。 2.根据权利要求1所述的基于数据修复的非完整多视角图像数据聚类方法， 其特征在 于， 在步骤S3中， 所述多 核协作表示模型为： s.t.HHT＝I； 其中K表示由完整图像数据所获取的核矩阵， H∈Rc×n表示图像数据鲁棒表示； H∈Rc×n中c表示特 征表示维度， n表示样本数。 3.根据权利要求1所述的基于数据修复的非完整多视角图像数据聚类方法， 其特征在 于， 在步骤S4中， 所述鲁棒子空间学习模型为：权　利　要　求　书 1/2 页 2 CN 114821145 B 2s.t.H1H1T＝I,H2H2T＝I； 其中， α1、 α2、 γ1和γ2表示正则化参数， || ·||F表示Frobinus范数， G1和G2分别表示视角 1和视角2的鲁棒子空间矩阵。 4.根据权利要求1所述的基于数据修复的非完整多视角图像数据聚类方法， 其特征在 于， 在步骤S6中， 所述联合表示模型为： s.t.H1H1T＝I,H2H2T＝I,G＝(G1,G2)。 5.根据权利要求1所述的基于数据修复的非完整多视角图像数据聚类方法， 其特征在 于， 在步骤S7中， 所述利用完整的多视角图像数据集 求解出每个变量的最优解的步骤为： 根据交替方向乘子法， 在其他各变量不变的情况下针对其中一个变量迭代的求解最优 解。 6.根据权利要求1 ‑5中的任一项权利要求所述的基于数据修复的非完整多视角图像数 据聚类方法， 其特 征在于， 还 包括以下步骤： 计算非完整 多视角图像数据的聚类精确度； 计算非完整 多视角图像数据的归一 化互信息； 计算非完整 多视角图像数据的纯度。权　利　要　求　书 2/2 页 3 CN 114821145 B 3