基于Fisher约束和字典对的图像分类
基于稀疏表示的分类方法由于其所具有的简单性和有效性获得了研究者的广泛关注,然而如何建立字典原子与类别信息间的联系仍然是一个重要的问题,与此同时大部分稀疏表示分类方法都需要求解受范数约束的优化问题,使得分类任务的计算较复杂。为解决上述问题,该文提出一种新的基于Fisher约束的字典对学习方法。新方法联合学习结构化综合字典和结构化解析字典,然后通过样本在解析字典上的映射直接求解稀疏系数矩阵;同时采用Fisher判别准则编码系数使系数具有一定的判别性。最后将新方法应用到图像分类中,实验结果表明新方法在提高分类准确率的同时还大大降低了计算复杂度,相较于现有方法具有更好的性能。
图像分类、稀疏表示、字典对、Fisher约束
39
TP391(计算技术、计算机技术)
国家973计划项目2014CB 340400;天津市自然科学基金15JCYBJC15500 Foundation Items:The National 973 Program of China2014CB340400;The Natural Science Foundation of Tianjin15JCYBJC15500
2017-03-29(万方平台首次上网日期,不代表论文的发表时间)
共8页
270-277