近邻类加权结构稀疏表示图像识别算法

摘要：

针对如何将近邻、子空间学习与稀疏表示结合起来解决基于稀疏表示的图像识别问题，本文综合考虑子空间中样本的类内散度小，类间散度大，且同类中所有样本对重构某一给定样本的影响相似（即表示系数相似），因此按类而非样本处理的思想更符合基于类重构误差进行分类的算法要求，为此提出一种基于近邻类加权结构稀疏表示算法用于图像识别。该算法首先利用线性类重构误差选取k个最近邻类，并将其对应的系数作为权值对投影后的近邻类加权，其次在投影子空间上，用k个类的加权训练样本集对测试样本进行结构稀疏表示，最后根据最小类重构误差得出分类结果。在AR，Yale B，MNIST，PIE数据库上的实验结果表明该方法在训练样本数较少的情况下获得较高的识别率且具有一定的鲁棒性。

关键词：稀疏分类、加权近邻类、线性表示、PCA、结构稀疏

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61071199；河北省自然科学基金F2010001297；第二批中国博士后基金特别项目200902356

在线出版日期：2014-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：891-900