圖像分類問題中字典學習及相關(guān)算法研究.pdf

1、伴隨著網(wǎng)絡(luò)技術(shù)的高速發(fā)展，人類進入了信息化與智能化的時代。網(wǎng)絡(luò)技術(shù)的迅速普及使得每天都有大量的數(shù)字圖像通過各種渠道不斷的涌現(xiàn)出來，數(shù)字圖像是視覺信息的重要載體，對所表達的信息更準確直觀，面對如此海量的圖片數(shù)據(jù)，要快速準確地找到自己感興趣的圖片變得越來越困難。因此，圖像分類技術(shù)引起了研究者的廣泛關(guān)注，成為模式識別和計算機視覺領(lǐng)域最重要的研究內(nèi)容之一。在眾多圖像分類模型中應(yīng)用較為廣泛的當屬空間金字塔模型，空間金字塔模型將圖像逐層分割成更加精

2、細的空間子區(qū)域，然后分別計算其子區(qū)域中的局部特征直方圖，在圖像分類中表現(xiàn)出了穩(wěn)定的性能。鑒于空間金字塔模型的諸多優(yōu)勢，本文基于此模型基本框架對圖像分類階段的字典學習、特征編碼及其相關(guān)算法進行研究，主要內(nèi)容如下：
　　(1)對稀疏編碼算法做了深入的文獻研究，考慮到彈性網(wǎng)編碼方式相對于傳統(tǒng)稀疏編碼方式的優(yōu)點，本文提出將彈性網(wǎng)算法與空間金字塔模型相結(jié)合應(yīng)用于圖像分類，取得了較好的分類效果。
　　(2)提出了非負彈性網(wǎng)稀疏編碼算法。

3、分析比較了非負稀疏編碼算法和彈性網(wǎng)算法兩者的特點，在彈性網(wǎng)模型中增加了編碼系數(shù)的非負約束。相對于彈性網(wǎng)算法，該算法不僅能增加編碼系數(shù)的判別性和有效性，并且可以使相似的特征描述符編碼后仍然相似，增加了編碼系數(shù)的穩(wěn)定性。
　　(3)將所提算法與空間金字塔模型相結(jié)合應(yīng)用于圖像分類，最終的實驗結(jié)果表明，相對于彈性網(wǎng)算法和傳統(tǒng)的稀疏編碼算法，該算法具有較高的分類準確度。
　　本文的實驗部分主要是基于空間金字塔模型的基本框架完成的，在特