基于稀疏表示的圖像分類方法研究.pdf

1、圖像分類是一種根據(jù)圖像的不同語義特征，將圖像中的每個像元或區(qū)域劃歸為若干個類別中的某一種，以代替人的視覺判讀的圖像處理技術(shù)。它廣泛應用于人臉識別、文字識別、遙感圖像中專題信息的提取和動態(tài)變化的檢測、雷達圖像目標物追蹤，聲場全息圖像中聲源定位，淘寶商品穿衣搭配等領(lǐng)域。稀疏編碼是一種模擬哺乳動物視覺系統(tǒng)主視皮層V1區(qū)簡單細胞感受野的方法，它可以模擬人眼視覺系統(tǒng)，反映自然圖像的統(tǒng)計特性。基于稀疏編碼的圖像分類比傳統(tǒng)的方法表現(xiàn)出更大的優(yōu)越性，本

2、文基于稀疏編碼理論，研究了用于圖像分類的判別字典學習方法及圖像分類問題，主要工作有：
　　首先，針對現(xiàn)有判別字典只能刻畫圖像中線性語義信息的特點，提出了一種核空間的Fisher分類判別字典的學習方法。該方法采用核映射，將訓練樣本映射到高維核空間映，然后以Fisher準則作為約束項，學習判別字典。
　　其次，現(xiàn)有的圖像分類方法大多數(shù)是先進行圖像特征提取，然后根據(jù)提取的特征訓練分類字典，由于固定的特征提取方法與字典學方法之間沒有

3、直接聯(lián)系，會影響到判別字典的區(qū)分能力。為此，本文提出了一種將特征提取操作和分類字典學習融合的方法，該方法通過對特征提取矩陣進行正交約束，完成特征提取矩陣與字典之間的融合，學習出基于正交約束的投影判別字典。
　　最后，圖像通過電子器件獲取過程中，由于現(xiàn)場光照的不均勻、物理元器件受到溫度變化造成性能上的不穩(wěn)定等，都會導致某些顯性的噪聲摻雜到圖像中，此類噪聲摻雜在訓練樣本中會影響學習的分類字典的判別性，而基于正交約束的投影判別字典學習方