版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
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
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于圖拉普拉斯的稀疏貝葉斯分類算法研究.pdf
- 圖的拉普拉斯譜和拉普拉斯系數(shù)的研究.pdf
- 拉普拉斯變換
- 拉普拉斯變換性質(zhì)
- 圖的距離拉普拉斯譜與距離無符號拉普拉斯譜.pdf
- 27273.圖的拉普拉斯與無符號拉普拉斯矩陣
- 圖的拉普拉斯譜半徑和無號拉普拉斯譜半徑.pdf
- 基于拉普拉斯分布的穩(wěn)健估計(jì).pdf
- 拉普拉斯變換的應(yīng)用
- 27004.圖的拉普拉斯系數(shù)和無號拉普拉斯譜半徑
- 樹的拉普拉斯系數(shù).pdf
- 很好的拉普拉斯變換講解
- 基于FPGA的拉普拉斯圖像增強(qiáng)算法設(shè)計(jì)與實(shí)現(xiàn).pdf
- 拉普拉斯變換及其曲面圖
- 基于圖拉普拉斯的半監(jiān)督學(xué)習(xí).pdf
- 基于超拉普拉斯約束的多光譜圖像Pan-Sharpening方法.pdf
- 基于拉普拉斯算子的點(diǎn)云骨架提取.pdf
- Heisenberg群上次拉普拉斯算子的研究.pdf
- 圖的拉普拉斯矩陣和臨界群.pdf
- 拉普拉斯加權(quán)聚類算法的研究.pdf
評論
0/150
提交評論