基于多流形联合度量学习的图像分类方法

本发明公开了基于多流形联合度量学习的图像分类方法，步骤包括：1）数据预处理，包括构建Grassmann特征及SPD特征；2）构建双流形核矩阵，包括构建Grassmann流形核矩阵及SPD流形核矩阵，分别计算Grassmann和SPD的测试核矩阵；3）实施多流形联合度量学习，从核矩阵提取核特征向量计算类内散布矩阵与类间散布矩阵；对投影矩阵求解，根据特征值大小对特征向量进行排序，选择前面多个最大特征值对应的特征向量构成投影矩阵；4）特征融合，完成提取，实施样本映射；5）构建样本级融合卷积神经网络，完成原始图像不同地物的分类。本发明属于图像处理和机器学习技术领域，能够显著提高分类准确率。