基于低秩稀疏表征的圖像分類算法研究.pdf

1、隨著視頻監(jiān)控的普及和圖像數(shù)據(jù)的海量增長(zhǎng)，圖像的人工檢索與分類已經(jīng)無法適應(yīng)需求，這促進(jìn)了圖像分類技術(shù)的產(chǎn)生與發(fā)展。圖像分類的關(guān)鍵技術(shù)是提取圖像特征信息及其表征。由于提取后的特征數(shù)據(jù)維數(shù)過高，需對(duì)其進(jìn)行降維處理，以免出現(xiàn)維數(shù)災(zāi)難。自低秩稀疏表征理論提出以來，研究學(xué)者開始大量研究其在圖像分類領(lǐng)域的應(yīng)用并取得很多突破性的研究成果。受判別分析法、遷移學(xué)習(xí)及圖論等理論知識(shí)的啟發(fā)，有研究學(xué)者考慮在低秩稀疏表征基礎(chǔ)上，結(jié)合其它領(lǐng)域理論知識(shí)，來提高算法的

2、分類性能。圖像分類技術(shù)雖然發(fā)展迅速，但現(xiàn)實(shí)需求（實(shí)時(shí)性、準(zhǔn)確性等）和識(shí)別困難（光照、遮擋等）等問題，其還存在較大的發(fā)展空間。
　　本文致力于基于稀疏低秩表征理論的圖像分類算法研究，目標(biāo)是獲取更好的圖像特征信息表征來提高圖像的判別性，從而提高圖像的分類性能。本文的主要研究工作如下:
　　(1)對(duì)目前圖像分類算法研究背景意義、低秩稀疏表征理論的發(fā)展及在圖像分類中的應(yīng)用作了綜合分析，并介紹了國(guó)內(nèi)外的研究現(xiàn)狀以及圖像分類算法面臨的挑

3、戰(zhàn)與潛在的發(fā)展前景。
　　(2)詳細(xì)介紹了目前一些經(jīng)典分類器、圖像分類相關(guān)的基礎(chǔ)理論知識(shí)以及基于低秩稀疏表征理論的圖像分類算法。
　　(3)結(jié)合稀疏低秩理論，本文基于LASSO(Least Absolute Shrinkage and SelectionOperator)提出了局部保持投影的稀疏回歸算法(SpLPP)。SpLPP把局部保持和稀疏性結(jié)合起來，同時(shí)將降維、特征選擇綜合在一種分析中。SpLPP算法的本質(zhì)是在LASS

4、O約束下求解保持局部特性的最佳投影，通過該算法得到的數(shù)據(jù)同時(shí)保留了局部結(jié)構(gòu)與判別能力，有效提高了圖像的分類性能。
　　(4)本文將SpLPP算法應(yīng)用于人臉識(shí)別，并通過兩類實(shí)驗(yàn)來測(cè)試SpLPP算法的性能:一類實(shí)驗(yàn)測(cè)試其表征能力，另一類實(shí)驗(yàn)測(cè)試其分類能力?？紤]到在小樣本問題中，SpLPP可能不能直接應(yīng)用，因此文本提出了其廣義正則化形式RSpLPP使得算法更加適用。
　　本文分別在合成數(shù)據(jù)集與Frey人臉數(shù)據(jù)集上測(cè)試SpLPP算法