基于稀疏表示與屬性學(xué)習(xí)相結(jié)合的圖像分類方法研究.pdf

1、隨著人工智能以及多媒體技術(shù)的快速發(fā)展，基于機(jī)器學(xué)習(xí)的自然圖像識別方法在過去的幾年中取得了很大進(jìn)步。針對高級語義在人工智能識別領(lǐng)域的應(yīng)用，本文重點(diǎn)討論此背景下的機(jī)器學(xué)習(xí)的拓展與應(yīng)用，以及屬性學(xué)習(xí)這一高級語義特征應(yīng)用于圖像識別的理論與方法。通過深入研究現(xiàn)有的基于圖像底層特征的傳統(tǒng)圖像識別理論方法，在基于屬性學(xué)習(xí)的圖像分類方法的基礎(chǔ)上，提出了稀疏表示與屬性學(xué)習(xí)相結(jié)合的圖像分類方法，具體內(nèi)容如下:
　　1)基于屬性學(xué)習(xí)的圖像分類方法。有別

2、于傳統(tǒng)圖像分類方法，首先引入“屬性”這一高級語義特征，在統(tǒng)計(jì)學(xué)習(xí)的基礎(chǔ)上，對特定圖像對象進(jìn)行“屬性”歸納，建立屬性類別關(guān)系分布概率;然后以提取到的圖像屬性為模版，對每一種屬性的關(guān)聯(lián)圖像提取特征數(shù)據(jù)，并訓(xùn)練基于圖像屬性的屬性分類器;最后通過屬性分類器對圖像屬性進(jìn)行識別，利用已得到的屬性分布概率完成對圖像類別的判別。
　　2)基于稀疏表示與屬性學(xué)習(xí)相結(jié)合的圖像分類方法。該方法首先將數(shù)據(jù)集內(nèi)圖像特征進(jìn)行稀疏表示;在稀疏表示過程中，通過應(yīng)

3、用K-SVD算法以及結(jié)合OMP算法來構(gòu)建字典并獲得稀疏系數(shù)，得到稀疏化后的特征數(shù)據(jù);然后對已得到的稀疏特征進(jìn)行訓(xùn)練得到基于圖像屬性的屬性分類器;對測試圖像進(jìn)行屬性識別，在獲得屬性概率分布的基礎(chǔ)上，結(jié)合屬性類別的對應(yīng)關(guān)系，得到最終判定類別。
　　3)基于稀疏表示與屬性學(xué)習(xí)相結(jié)合的遷移學(xué)習(xí)算法框架。該算法建立在基于稀疏表示與屬性學(xué)習(xí)相結(jié)合的圖像分類算法在圖像分類上已有了良好效果的基礎(chǔ)上。首先根據(jù)底層特征和屬性這一高級語義的內(nèi)在關(guān)聯(lián)關(guān)系