基于核拉普拉斯稀疏編碼的圖像分類.pdf

1、圖像分類，作為圖像處理領(lǐng)域的一個理論分支，其主要研究內(nèi)容是如何把大量無序的數(shù)字圖像通過計(jì)算機(jī)來自動進(jìn)行分門別類?；谟?jì)算機(jī)視覺技術(shù)的圖像理解和圖像表示是其準(zhǔn)確分類的基礎(chǔ)，自從稀疏編碼理論被引入到圖像表示技術(shù)后，極大的促進(jìn)了圖像分類準(zhǔn)確率的提高。
　　稀疏編碼是一種有效且普遍的編碼方式，其編碼過程就是利用過完備字典的基線性表示圖像的過程，每個編碼中的非零元素只占所有元素的極小部分體現(xiàn)了編碼的稀疏性。稀疏編碼之所以能夠代替k均值聚類算

2、法來生成字典，是因?yàn)橄∈杈幋a算法在字典學(xué)習(xí)優(yōu)化過程中給出了表示每個特征的字典基的優(yōu)化加權(quán)，通過這種方法字典質(zhì)量和特征量化精度都有很大提高。但是，稀疏編碼算法仍然不是完美的，它在編碼過程中忽視了特征的相關(guān)性，導(dǎo)致相似特征可能產(chǎn)生差異很大的編碼，進(jìn)而影響分類效果的提高。基于此，研究者們發(fā)現(xiàn)在稀疏編碼優(yōu)化方程中加入一個約束條件，使得相似特征能夠產(chǎn)生相似的稀疏編碼，同時能夠降低特征量化誤差，從而提高了圖像分類的準(zhǔn)確率。這種算法是對稀疏編碼的一種

3、完善，研究者們稱這種算法為拉普拉斯稀疏編碼。
　　我們發(fā)現(xiàn)目前的稀疏編碼算法大多是在特征原始空間進(jìn)行，本文受核方法可以獲得特征的高維非線性映射的啟發(fā)，在稀疏編碼過程中引入了核方法，提出了核稀疏表示。它不僅可以降低特征量化誤差，而且增強(qiáng)了稀疏編碼的性能。我們將這種核稀疏表示與現(xiàn)有的拉普拉斯稀疏編碼進(jìn)行了結(jié)合，提出了核拉普拉斯稀疏編碼。實(shí)驗(yàn)表明，核拉普拉斯稀疏編碼在圖像分類領(lǐng)域勝過了拉普拉斯稀疏編碼,且在Celtech-101、Sce