基于子空間學習和稀疏編碼的圖像分類算法研究.pdf

1、隨著多媒體和互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，圖像信息呈現(xiàn)出爆炸式的增長，如何在海量數(shù)據(jù)中快速尋找到所需要的數(shù)據(jù)已成為亟待解決的問題。圖像分類技術(shù)通過對圖像數(shù)據(jù)進行分析處理，自動檢索分類出圖片，滿足人們的需求。因此，對圖像分類的研究具有十分重要的理論意義和應用價值。
　　本文使用圖像的SIFT特征和像素特征，分別從高維數(shù)據(jù)降維、尋優(yōu)子空間以及重構(gòu)誤差分類的角度對圖像分類進行了細致深入的研究，主要工作包括:
　　(1)圖像分塊可以更好的利

2、用圖像像素間的空間信息，獲得更多的細節(jié)。因此，我們提出一種基于分塊子空間的圖像分類算法。并針對傳統(tǒng)的數(shù)學推導無法獲得分類問題的精確解的問題，提出了通過粒子群算法求解的子空間尋優(yōu)模型。此方法使用粒子群算法對分塊的子空間模型進行尋優(yōu)處理，最終得到一個優(yōu)化的子空間，并實現(xiàn)圖像分類;
　　(2)為了克服高維數(shù)據(jù)對于圖像分類帶來的分類精確度低、計算復雜度高的問題，提出了一種基于稀疏編碼的正交平滑子空間的圖像分類算法，將圖像從高維空間變換到低

3、維空間。此算法首先提取圖像的SIFT特征，對此特征進行稀疏編碼，再對編碼矩陣進行最大池特征提取，最終獲得對圖像的一個高維特征描述，最后通過正交平滑子空間算法將這些高維的特征向量在正交平滑子空間中降維處理。實驗驗證了所提算法的有效性;
　　(3)基于稀疏編碼的圖像分類算法，在訓練字典的過程中并沒有充分利用選取的訓練數(shù)據(jù)的類別信息，這也就使得字典是無監(jiān)督的。為了充分利用已知的先驗信息，提出了一種有監(jiān)督的重構(gòu)誤差分類算法。通過在字典訓練