基于稀疏編碼的圖像分類算法研究.pdf

1、隨著多媒體技術(shù)和智能設(shè)備的迅速發(fā)展，數(shù)字圖像規(guī)模呈爆炸之勢(shì)。如何有效的利用計(jì)算機(jī)技術(shù)對(duì)圖像進(jìn)行高效管理，成為了當(dāng)前炙手可熱的研究領(lǐng)域。圖像分類主要就是研究如何提取圖像的有效特征對(duì)其進(jìn)行自動(dòng)的分類和識(shí)別?；谝曈X(jué)神經(jīng)機(jī)制的稀疏編碼方法被應(yīng)用在圖像處理領(lǐng)域后，使得圖像分類的準(zhǔn)確率得到了大幅提升。
　　圖像的稀疏編碼方法是一種高效的圖像特征編碼方式它通過(guò)訓(xùn)練圖像特征得到過(guò)完備的字典，再通過(guò)編碼得到特征基于字典的重建系數(shù)，即稀疏編碼。該方

2、法的核心在于利用過(guò)完備字典的基向量的線性組合來(lái)表示圖像的特征。但原始稀疏編碼算法本身依然存在一些缺陷，它在編碼的過(guò)程中忽略了各個(gè)特征之間的相關(guān)性，往往造成相似的特征得到了完全不同的編碼，大大影響了圖像的分類準(zhǔn)確率。基于此，本文的主要工作及成果如下：
　　首先，本文就圖像分類的基本框架，研究了幾種常見(jiàn)的特征提取方法和分類器的基本思想和具體流程，并比較了其優(yōu)缺點(diǎn)，最后通過(guò)實(shí)驗(yàn)驗(yàn)證了幾種方法的在圖像分類中的準(zhǔn)確率。
　　其次，本文

3、提出一種稀疏編碼的改進(jìn)算法：基于生命周期稀疏約束的編碼方法。該方法通過(guò)在原始稀疏編碼的目標(biāo)公式中增加基向量的激活次數(shù)約束，控制每個(gè)基向量的激活次數(shù)，均衡的選擇基向量來(lái)表達(dá)圖像，有效保證編碼的生命周期稀疏性，從而有效提高圖像分類準(zhǔn)確率。
　　最后，本文提出一種字典學(xué)習(xí)的改進(jìn)算法：基于聚類優(yōu)化的字典學(xué)習(xí)方法。該方法在傳統(tǒng)的Kmeans聚類方法的基礎(chǔ)上，優(yōu)化初始選擇聚類中心的方法，每次選取相關(guān)性較低的向量作為新的聚類中心，該方法得到的字