10.11896/j.issn.1002-137X.2016.7.014
基于低秩稀疏分解与协作表示的图像分类算法
目前,大部分图像分类算法为了获取较高的性能均需要充分的训练学习过程,然而在实际应用中,往往存在训练样本不足及过拟合等问题.为了避免上述问题出现,在朴素贝叶斯最近邻分类算法的原理框架下,基于非负稀疏编码、低秩稀疏分解以及协作表示提出一种非参数学习的图像分类算法.首先,基于非负稀疏编码和最大值汇聚操作表示图像信息,并构建具有低秩性质的同类训练图像集的局部特征矩阵;其次,采用低秩稀疏分解结合别类标签信息构建两类视觉词典以充分利用同类图像的相关性和差异性;最后基于协作表示表征测试图像并进行分类决策,实验结果验证了所提算法的有效性.
图像分类、视觉词袋、稀疏编码、低秩稀疏分解、协作表示
43
TP391(计算技术、计算机技术)
国家自然科学基金项目61172164;安徽省自然科学基金项目1508085QF114,1608085QF144
2016-10-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
83-88