圖像分類問題中字典學習及相關算法研究.pdf

1、伴隨著網絡技術的高速發(fā)展，人類進入了信息化與智能化的時代。網絡技術的迅速普及使得每天都有大量的數字圖像通過各種渠道不斷的涌現出來，數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據，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，圖像分類技術引起了研究者的廣泛關注，成為模式識別和計算機視覺領域最重要的研究內容之一。在眾多圖像分類模型中應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、特征編碼及其相關算法進行研究，主要內容如下：
　　(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，本文提出將彈性網算法與空間金字塔模型相結合應用于圖像分類，取得了較好的分類效果。
　　(2)提出了非負彈性網稀疏編碼算法。

3、分析比較了非負稀疏編碼算法和彈性網算法兩者的特點，在彈性網模型中增加了編碼系數的非負約束。相對于彈性網算法，該算法不僅能增加編碼系數的判別性和有效性，并且可以使相似的特征描述符編碼后仍然相似，增加了編碼系數的穩(wěn)定性。
　　(3)將所提算法與空間金字塔模型相結合應用于圖像分類，最終的實驗結果表明，相對于彈性網算法和傳統(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