基于增量學(xué)習(xí)和深度稀疏濾波的復(fù)雜場景多類標(biāo)分類.pdf

1、隨著圖像數(shù)據(jù)的爆破增長之勢，作為眾多科學(xué)領(lǐng)域的公共研究課題，圖像的場景分類技術(shù)在學(xué)術(shù)界越來越受到重視，在處理圖像分析與挖掘的技術(shù)中被廣泛地利用起來。在傳統(tǒng)的圖像分類問題當(dāng)中，通常來說比較的是內(nèi)容的相似性，而與此不同的是，在圖像的場景分類問題中，關(guān)心的往往并不是內(nèi)容的嚴(yán)格一致，而是通過圖像某些表層反映的內(nèi)容來挖掘其內(nèi)部的語義信息。隨著合成孔徑雷達(dá)（SAR）技術(shù)的發(fā)展，SAR圖像在分辨率、圖像內(nèi)容和數(shù)量上都達(dá)到了一定的高度，其應(yīng)用也越來越廣

2、泛。但無論是場景分類方法還是圖像檢索領(lǐng)域，所針對(duì)的對(duì)象都很少涉及到SAR圖像。因此，基于上述技術(shù)空缺。本文首先提出了基于聯(lián)合雙層錨圖與哈希編碼的SAR圖像檢索；隨后又?jǐn)U充了圖庫數(shù)據(jù)并進(jìn)行多標(biāo)簽類標(biāo)，提出一種基于增量SVM的SAR圖像多類標(biāo)場景分類方法；然而，由于增量SVM在處理高維、多類別的數(shù)據(jù)時(shí)表現(xiàn)出來的疲軟問題，本文又進(jìn)一步提出一種基于增量LDA和多類標(biāo)KNN的多類標(biāo)分類方法。最后，針對(duì)多類標(biāo)特征學(xué)習(xí)的問題，我們引入了深度學(xué)習(xí)的知識(shí)

3、，提出一種基于深度稀疏濾波的多類標(biāo)分類方法。本文所取得的主要研究成果有：
　　1.提出了基于增量SVM的SAR圖像多類標(biāo)場景分類方法，其中包括建立萬級(jí)規(guī)模的SAR圖像的數(shù)據(jù)庫；對(duì)其中的每一幅圖像以多類標(biāo)的形式標(biāo)記；對(duì)SAR圖像進(jìn)行Contourlet變換，求取各個(gè)尺度、各個(gè)方向上面的形狀、紋理特征；使用多類標(biāo)增量SVM對(duì)特征集進(jìn)行分類，并通過七種多類標(biāo)的評(píng)估標(biāo)準(zhǔn)來衡量算法的分類性能。
　　2.提出了基于增量LDA的多類標(biāo)分類

4、方法，其中包括對(duì)特征使用增量LDA降維；再將降維后的特征作為訓(xùn)練樣本輸入到到多類標(biāo)kNN中訓(xùn)練，以實(shí)現(xiàn)對(duì)測試樣本的類別預(yù)測；最終通過七種多類標(biāo)的評(píng)估標(biāo)準(zhǔn)來衡量算法的分類性能。
　　3.提出了基于深度集成稀疏濾波的多類標(biāo)分類方法，其中包括使用深度集成稀疏濾波算法進(jìn)行特征學(xué)習(xí)；再將學(xué)習(xí)過的特征作為訓(xùn)練樣本輸入到增量SVM中訓(xùn)練，以實(shí)現(xiàn)對(duì)測試樣本的類別預(yù)測；最通過七種多類標(biāo)的評(píng)估標(biāo)準(zhǔn)來衡量算法的分類性能。
　　4.提出了基于聯(lián)合雙