1.图像特征的显著结构和相关结构融合方法，其特征在于，包括以下步骤：步骤1，图像的HOG特征和LBP特征的提取；

步骤2，样本集内部图像特征的显著结构的度量；

步骤3，样本集之间图像特征的相关结构的度量；

步骤4，显著结构和相关结构融合映射。

2.如权利要求1所述的图像特征的显著结构和相关结构融合方法，其特征在于，所述步骤1，图像的HOG特征和LBP特征的提取方法如下：图像的HOG特征提取，设I为灰度图像，I(x,y)为I在坐标(x,y)处的像素值，图像归一化如式（1）所示：

1/2

I(x,y)＝I(x,y) （1）计算图像的梯度如式（2）所示：

Gx(x,y)＝I(x+1,y)-I(x-1,y)Gy(x,y)＝I(x,y+1)-I(x,y-1)式中Gx(x,y)、Gy(x,y)、G(x,y)、α(x,y)分别为表示输入图像像素(x,y)处的水平方向梯度幅值、垂直方向梯度幅值、梯度幅值、梯度方向；将图像分成有多个矩形单元格，单元格中有4×4个像素，将单元格的梯度方向在360度平均分成9个方向块，将梯度方向属于方向块范围的梯度幅值累加，形成9维特征向量，将相邻的四个单元格组成图像块，对图像块中36维特征向量z＝[z1,z2,z3,...,z36]按照（3）式归一化得v＝[v1,v2,v3,...,v36]，vi＝(zi-min(z))/(max(z)-min(z)) (3)串联所有的图像块特征向量得图像的HOG特征向量表示为x1i，设有m个图像样本，T

1≤i≤m，m个图像样本的HOG特征集为X1＝[x11,x12,...,x1m] ；

图像的LBP特征提取，将图像分成有多个矩形单元格，单元格中有16×16个像素，对单元格中每个像素，将以其为中心相邻的8个像素的灰度值与其灰度值进行比较，若大于其灰度值，则该像素点的位置标记为1，否则为0，这样产生8位二进制数，从上到下，从左到右的顺序，得到中心像素点的LBP值，计算单元格的直方图，即为每个LBP值出现的频率,再按照式（3）的方法对表示直方图的向量归一化，最后得到的每个单元格的特征向量串联起来的图像的LBP特征向量表示为x2i，设有m个图像样本，1≤i≤m，m个图像样本的HOG特T征集为X2＝[x21,x22,...,x2m]。

3.如权利要求1所述的图像特征的显著结构和相关结构融合方法，其特征在于，所述步骤2，样本集内部图像特征的显著结构的度量方法如下：因为选取的HOG特征和LBP特征描述都是分布特征，而且分布值特征因旋转变换产生2

周期性平移，欧氏距离不能直接测度偏移的分布值特征，所以选用χ 测度；m个图像样本，T根据步骤1，m个图像的HOG特征和LBP特征集表示为X1＝[x11,x12,...,x1m] 和X2＝T[x21,x22,...,x2m]，图像的HOG特征的显著结构度量为dX1(x1i,x1j),x1i和x1j为图像i和图像j的HOG特征表征；图像的LBP特征的显著结构度量为dX2(x2i,x2j),x2i和x2j为图像i和图像j的LBP特征表征，它们分别由下式计算：

4.如权利要求1所述的图像特征的显著结构和相关结构融合方法，其特征在于，所述步骤3，样本集之间图像特征的相关结构的度量方法如下：T T

两个特征集表示为X1＝[x11,x12,...,x1m] 和X2＝[x21,x22,...,x2m]，那么两个特征集间的相关结构度量S(X1,X2)表示为典型相关性的和，如下式所示，其中 Λ1、Λ2、Λ0分别为矩阵分解的对角

矩阵。

5.如权利要求1所述的图像特征的显著结构和相关结构融合方法，其特征在于，所述步骤4，显著结构和相关结构融合映射的方法如下：T T

定义X1＝[x11,x12,...,x1m] 和X2＝[x21,x22,...,x2m] 特征显著结构测度相似矩阵，以步骤2中的式（4）代入式（7），式（5）代入式（8）分别计算度量的相似矩阵为W1＝{W1i,j}和W2＝{W2i,j}(i＝1,2,...,m j＝1,2,...,m)，如下式：

Wi,j＝W1i,j+W2i,j （10）Wi,j为W矩阵在i行j列的元素

L＝D-W （11）

其中

(B-XLXT)α＝λXXTα （12）其中

Λ1、Λ2、Λ0分别为矩阵分解的对角矩阵；

通过迭代学习求解式A＝[α1,α2,...,αd]，第一步初始赋予A为单位矩阵；第二步通- -过P1、P2和A求得R1和R2正规化P1和P2（P1和P2被P1R11和P2R21正规化，R1和R2分别T T为AP1和AP2的QR分解上三角矩阵）；第三步通过式（12）求解得A＝[α1,α2,...,αd]，T迭代5-6次数得收敛的结果，求解出A后，通过式Y＝AX映射各个特征集，得融合后的特征集为Y。

6.如权利要求5所述的图像特征的显著结构和相关结构融合方法，其特征在于，P1和-1 -1 T TP2被P1R1 和P2R2 正规化，R1和R2分别为AP1和AP2的QR分解上三角矩阵。