基于塊結(jié)構(gòu)化字典學(xué)習(xí)的稀疏表示圖像識(shí)別.pdf

1、作為計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域的一個(gè)熱點(diǎn)課題，圖像識(shí)別被應(yīng)用于公共安全、國防軍事、農(nóng)業(yè)和日常生活等許多方面。基于稀疏表示的分類方法由于其所具有的簡單性和有效性在近年獲得了廣泛的關(guān)注，并且被成功地應(yīng)用到了計(jì)算機(jī)視覺和圖像處理的一列系問題當(dāng)中。在基于稀疏表示分類的框架中，字典對稀疏編碼和分類的性能起著至關(guān)重要的作用。從訓(xùn)練樣本中學(xué)習(xí)一個(gè)具有判別性的字典具有重要的意義。目前字典學(xué)習(xí)方法可分為非監(jiān)督字典學(xué)習(xí)和監(jiān)督字典學(xué)習(xí)兩類。盡管非監(jiān)督字典學(xué)習(xí)方

2、法取得了不錯(cuò)的效果，但是監(jiān)督字典學(xué)習(xí)被認(rèn)為能夠在識(shí)別任務(wù)中取得更好的結(jié)果。監(jiān)督字典學(xué)習(xí)方法大致可分為兩個(gè)方向。第一個(gè)方向在目標(biāo)函數(shù)中加入某些判別項(xiàng)使得得到的表示更加具有判別性。第二個(gè)方向根據(jù)訓(xùn)練樣本的標(biāo)簽信息來學(xué)習(xí)一個(gè)結(jié)構(gòu)化字典。基于結(jié)構(gòu)化字典學(xué)習(xí)的原理，本文主要從以下兩個(gè)方面開展研究工作:
　　(1)結(jié)合結(jié)構(gòu)化稀疏表示和結(jié)構(gòu)化字典學(xué)習(xí)的思想，本文提出了一種新的Block-KSVD算法來學(xué)習(xí)得到一個(gè)具有塊結(jié)構(gòu)的字典。具體地，在稀疏

3、編碼階段，Block-KSVD不僅將來自同一個(gè)類別的全部訓(xùn)練樣本來聯(lián)合進(jìn)行結(jié)構(gòu)化稀疏編碼，并且假設(shè)它們具有相同的塊結(jié)構(gòu)表示。本文提出了并行的塊正交匹配追蹤算法(SB-OMP)來完成樣本的結(jié)構(gòu)化稀疏編碼。在字典更新階段，Block-KSVD算法基于奇異值分解技術(shù)來逐塊地更新字典原子和其對應(yīng)的稀疏編碼。由于采用了奇異值分解技術(shù)，本文方法能夠自然地學(xué)習(xí)到塊內(nèi)一致性為零的塊結(jié)構(gòu)化字典。本文還提出了Discriminative BlockK-SV

4、D(DB-KSVD)算法來同時(shí)學(xué)習(xí)得到塊結(jié)構(gòu)化字典和一個(gè)線性分類器。
　　(2)在Block-KSVD算法的基礎(chǔ)上，本文進(jìn)一步提出了Supervised Block-KSVD(SB-KSVD)算法來學(xué)習(xí)一個(gè)具有塊結(jié)構(gòu)的字典。在稀疏編碼階段，SB-KSVD不僅假設(shè)同一個(gè)類別的訓(xùn)練樣本具有相同的塊結(jié)構(gòu)表示，并且限定對應(yīng)類別的子字典必須在表示這個(gè)類別的訓(xùn)練樣本時(shí)做出貢獻(xiàn)。本文提出了一種監(jiān)督的并行塊正交匹配追蹤算法(SSB-OMP)算法來

5、完成結(jié)構(gòu)化稀疏編碼。在字典更新階段，SB-KSVD找出對應(yīng)類別訓(xùn)練樣本的錯(cuò)誤矩陣執(zhí)行奇異值分解來逐塊地更新某個(gè)類別的字典原子和對應(yīng)的稀疏編碼。由SB-KSVD學(xué)習(xí)得到的字典可以保證各個(gè)類別的子字典對同一個(gè)類別的訓(xùn)練樣本具有良好的表示能力，這進(jìn)一步提高了字典的判別性。
　　本文在兩個(gè)公共的人臉數(shù)據(jù)庫AR和Extend YaleB以及手寫數(shù)字?jǐn)?shù)據(jù)庫Mnist上進(jìn)行了大量實(shí)驗(yàn)來驗(yàn)證所提出算法的有效性，并且與基于稀疏表示的分類方法SRC、