基于稀疏表示的圖像識(shí)別.pdf

1、隨著信息采集技術(shù)和傳感器技術(shù)的迅速發(fā)展，實(shí)際獲取的圖像數(shù)據(jù)的維數(shù)越來(lái)越高，如何有效地描述圖像，方便后續(xù)處理，如圖像分析和識(shí)別，已成為圖像處理、模式識(shí)別、機(jī)器學(xué)習(xí)等領(lǐng)域急需要解決的問(wèn)題之一。在已有的眾多方法中，稀疏描述以其魯棒性好、泛化能力和抗干擾能力強(qiáng)等優(yōu)勢(shì)，已成為目前研究的熱點(diǎn)；缺點(diǎn)是稀疏表示方法需要的訓(xùn)練圖像過(guò)多，造成計(jì)算量過(guò)大，且忽略了圖像內(nèi)在幾何結(jié)構(gòu)，導(dǎo)致性能不是足夠的好。針對(duì)此問(wèn)題，論文從稀疏表示入手，深入研究了基于字典學(xué)習(xí)的

2、圖像稀疏表示和判別流形學(xué)習(xí)的稀疏編碼。論文的主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下：
　　 1.概述了壓縮傳感的理論框架以及其各個(gè)組成部分的原理。介紹了常用稀疏表示的方法、測(cè)量矩陣構(gòu)造方法以及重建算法。
　　 2.提出了一種基于字典學(xué)習(xí)的稀疏表示圖像識(shí)別方法。該方法使用K-SVD算法學(xué)習(xí)字典，有效地減少了字典庫(kù)中的原子個(gè)數(shù)，獲得了描述能力比較好的字典庫(kù)；然后通過(guò)重構(gòu)圖像，根據(jù)圖像殘余差進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明：當(dāng)字典大小相同時(shí)，所提方法

3、明顯提高了圖像分類性能；當(dāng)識(shí)別率相同或比較接近時(shí)，所提方法需要的原子個(gè)數(shù)遠(yuǎn)小于經(jīng)典稀疏表述方法所需的原子個(gè)數(shù)。
　　 3.針對(duì)稀疏編碼忽略了圖像空間的幾何結(jié)構(gòu)，導(dǎo)致性能不是足夠的好，提出了融合判別流形學(xué)習(xí)的稀疏編碼方法(DiscriminatGraphSparseCoding，DGSC)。DGSC利用兩個(gè)鄰接圖來(lái)分別刻畫圖像空間的內(nèi)在幾何結(jié)構(gòu)和判別幾何結(jié)構(gòu)，然后將其和稀疏描述相結(jié)合，給出字典學(xué)習(xí)和求解稀疏系數(shù)的有效求解算法。最后