基于改進(jìn)的非負(fù)稀疏編碼圖像分類研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，圖像正以驚人的速度增長，如何將海量的圖像數(shù)據(jù)根據(jù)圖像的內(nèi)容分成不同的類別是一個比較重要并富有意義的工作，圖像分類技術(shù)正是在此基礎(chǔ)上提出并發(fā)展而來。圖像分類是機器學(xué)習(xí)和計算機視覺領(lǐng)域的一個基礎(chǔ)的應(yīng)用方向。詞袋模型和空間金字塔匹配模型已經(jīng)被普遍的應(yīng)用在圖像分類領(lǐng)域并取得了較好的效果。在基于詞袋模型和空間金字塔匹配模型的圖像分類過程中，視覺詞典生成是一個重要的過程。
　　原始的詞袋模型和空間金字塔匹配模型通常使

2、用K-means方法生成視覺詞典。然而由于K-means聚類方法對于初始中心過于敏感，不易得到全局最優(yōu)解等缺點嚴(yán)重影響了視覺詞典的生成。稀疏編碼作為一種神經(jīng)網(wǎng)絡(luò)方法，其已經(jīng)成功的應(yīng)用到圖像分類領(lǐng)域中，并取得了較高的圖像分類精度。本文的主要工作及成果如下:
　　(1)實現(xiàn)了基于稀疏編碼的圖像分類方法。考慮到非負(fù)稀疏編碼方法的優(yōu)點，本文將非負(fù)稀疏編碼應(yīng)用到圖像分類領(lǐng)域，同樣取得了較好的分類效果。
　　(2)提出了基于拉普拉斯非負(fù)

3、稀疏編碼的圖像分類方法。拉普拉斯非負(fù)稀疏編碼能夠同時編碼各部分特征，同時也能更好的模擬哺乳動物初級視覺系統(tǒng)主視皮層V1區(qū)簡單細(xì)胞感受野的行為，相對于非負(fù)稀疏編碼圖像分類方法，本方法應(yīng)用在圖像分類中取得了更高的分類精度。
　　(3)提出了基于超圖的拉普拉斯非負(fù)稀疏編碼的圖像分類方法?；诔瑘D的拉普拉斯非負(fù)稀疏編碼方法將超圖與拉普拉斯非負(fù)稀疏編碼相結(jié)合，能保持構(gòu)成超邊的各部分特征的相似性，從而具有更好的編碼能力，和其他已經(jīng)存在的圖像分