稀疏表示在圖像分類問題中的應(yīng)用研究.pdf

1、隨著互聯(lián)網(wǎng)與智能終端的迅速普及，圖像數(shù)據(jù)迅速增長(zhǎng)。由于圖像數(shù)據(jù)未經(jīng)全部標(biāo)注，導(dǎo)致圖像的分類存儲(chǔ)和查找不方便，如何將海量的圖像有效地進(jìn)行分類，已經(jīng)成為圖像處理研究領(lǐng)域的一個(gè)熱點(diǎn)方向。
　　稀疏表示應(yīng)用在圖像分類問題中是圖像處理中的一個(gè)重要分支。稀疏表示以其簡(jiǎn)潔模型迅速吸引了大量學(xué)者的注意，通過稀疏表示求解的系數(shù)向量，在每個(gè)子類字典中重構(gòu)樣本，然后記錄測(cè)試樣本減去所有重構(gòu)樣本的殘差，找到最小的殘差對(duì)應(yīng)的子字典的類，作為測(cè)試樣本的預(yù)測(cè)標(biāo)

2、簽，這種圖像分類的方法直觀，對(duì)于有較好的字典樣本，通過系數(shù)就能直觀的觀察到測(cè)試樣本與哪些類相關(guān)。
　　本文對(duì)稀疏表示在圖像分類問題中的應(yīng)用進(jìn)行了深入研究，所做的主要工作和特點(diǎn)如下:
　　(1)提出一種基于重構(gòu)樣本稀疏表示的圖像分類算法。算法是通過產(chǎn)生一個(gè)重構(gòu)的中間樣本進(jìn)行分類。針對(duì)現(xiàn)有的基于稀疏表示的圖像分類中存在的不是所有信息都可以用來分類的問題，提出了一種將測(cè)試樣本投影到訓(xùn)練樣本上，丟棄訓(xùn)練樣本中沒有表示出來的信息，再用

3、重構(gòu)之后的樣本來分類，解決了不能被訓(xùn)練樣本表示的信息對(duì)分類的影響。為了取得更優(yōu)秀的結(jié)果，實(shí)驗(yàn)中所有的訓(xùn)練樣本和測(cè)試樣本都先通過Gabor濾波器提取局部特征。實(shí)驗(yàn)驗(yàn)證了提出的算法具有有效性。
　　(2)提出一種結(jié)合字典對(duì)和重構(gòu)樣本的稀疏表示應(yīng)用于人臉圖像分類的算法。對(duì)于圖像的分類與識(shí)別來說，獲得具有良好區(qū)分能力的字典是至關(guān)重要的。針對(duì)現(xiàn)有的基于稀疏表示的人臉圖像分類中，求解具有區(qū)分能力字典的復(fù)雜度過高以及測(cè)試樣本不能被字典全部表示出

4、來的問題，提出了結(jié)合字典對(duì)學(xué)習(xí)與樣本重構(gòu)的稀疏表示用于圖像分類。對(duì)于訓(xùn)練樣本和測(cè)試樣本在訓(xùn)練字典之前，利用Gabor濾波器提取不同方向，不同尺度的特征作為訓(xùn)練字典的原始輸入，然后使用解析字典來輔助獲得具有區(qū)分能力的綜合字典，再將測(cè)試樣本投影到獲得的字典上，最后用基于綜合字典上重構(gòu)的樣本來分類，減少了不能被字典表示的信息對(duì)分類的影響，提升分類的準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明，在三個(gè)具有代表性的人臉數(shù)據(jù)集中，DPL_ICSRIR方法能較好地分類人臉圖