稀疏編碼算法及其應(yīng)用研究.pdf

1、中國科學(xué)技術(shù)大學(xué)博士學(xué)位論文稀疏編碼算法及其應(yīng)用研究姓名：尚麗申請(qǐng)學(xué)位級(jí)別：博士專業(yè)：模式識(shí)別與智能系統(tǒng)指導(dǎo)教師：黃德雙20060401中國科學(xué)技術(shù)大學(xué)博士學(xué)位論文SC算法即是一種模擬視覺系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型，實(shí)驗(yàn)結(jié)果表明它可以成功地提取自然圖像的邊緣特征；而且利用提取到的自然圖像的特征和系數(shù)分量的稀疏性，進(jìn)一步結(jié)合閩值量化的規(guī)則，能夠有效地實(shí)現(xiàn)自然圖像的壓縮。3、提出了一種模擬主視皮層V1區(qū)ON和OFF中心型細(xì)胞神經(jīng)元感受野的擴(kuò)展非負(fù)稀

2、疏編碼(NNSC)模型。Hoyer最早提出的NNSC模型并沒有考慮主視皮層V1區(qū)到外側(cè)膝體的反饋連接，因此，Hoyer的NNSC模型過于簡化了視皮層的生理結(jié)構(gòu)，受噪聲影響比較大。針對(duì)上述問題，考慮視覺系統(tǒng)對(duì)外界感知信息的自適應(yīng)調(diào)整機(jī)制和視皮層之間的反饋連接，本文提出了一種基于穩(wěn)健PCA和V1區(qū)簡單細(xì)胞感受野先驗(yàn)知識(shí)的反饋非負(fù)稀疏編碼(NNsC)模型，并且使用Polak—Ribiere—Polyak(PRP)共軛梯度下降優(yōu)化算法實(shí)現(xiàn)了目標(biāo)

3、函數(shù)的最小化問題。該NNSC模型實(shí)際上實(shí)現(xiàn)了一個(gè)二階段的自適應(yīng)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程；4、基于擴(kuò)展的NNSC算法，采用類似小波軟閾值收縮的方法，本文提出了一種新的基于NNSC技術(shù)的自然圖像消噪方法。系數(shù)分量固有的稀疏性質(zhì)非常有利于消噪處理，然而，在消噪過程中，如何選擇系數(shù)分量的收縮函數(shù)是一個(gè)關(guān)鍵問題。為此，本文首先給出了先驗(yàn)稀疏分布的具體選擇形式及其對(duì)應(yīng)的收縮函數(shù)，然后利用本文所提出的NNSC收縮方法實(shí)現(xiàn)了自然圖像的消噪處理；5、提出了～種

4、新的基于視覺特征的掌紋圖像識(shí)別方法。本文首先應(yīng)用基于Winnertakeall(WTA)的獨(dú)立分量分析(ICA)算法(即WTAICA算法，它也是一種稀疏編碼算法)成功提取了掌紋圖像的特征，然后利用徑向基概率神經(jīng)網(wǎng)絡(luò)(RBPNN)分類器實(shí)現(xiàn)了掌紋識(shí)別任務(wù)。在掌紋圖像預(yù)處理階段，對(duì)提取到的掌紋中心區(qū)域進(jìn)一步利用小波分解方法進(jìn)行尺寸調(diào)整，大大簡化了計(jì)算量；同時(shí)，根據(jù)SC算法的聚類特性，利用模糊c均值算法實(shí)現(xiàn)了SC基函數(shù)的初始化，進(jìn)一步提高了特

5、征的可分性。WTAICA使用尸范數(shù)作為稀疏性度量標(biāo)準(zhǔn)，避免了優(yōu)化高階密度估計(jì)，因此具有較快的收斂速度，而且RBPNN也具有較好的分類能力和較快的分類速度。把這兩種方法應(yīng)用于香港理工大學(xué)提供的PolyU掌紋圖像數(shù)據(jù)庫，實(shí)驗(yàn)結(jié)果表明基于這二者的掌紋識(shí)別方法是有效的和可行的。關(guān)鍵詞：自然圖像；稀疏表示；稀疏編碼；非負(fù)稀疏編碼；非負(fù)矩陣分解：穩(wěn)健自適應(yīng)主分量分析；基于Winner—takeall的獨(dú)立分量分析；特征提??；圖像去噪；掌紋圖像；徑向