10.13695/j.cnki.12-1222/o3.2018.03.009
基于监督字典学习的核稀疏表示的目标识别算法
针对图像数据高度非线性可分情况下的目标分类问题,在稀疏表示分类框架的基础上,提出了一种基于监督字典学习的核稀疏表示的目标识别算法.采用融合了多特征信息的协方差描述子作为图像的描述符;通过引入核技巧,使非线性的图像数据在高维空间变得线性可分;并把分类误差与重构误差同时引入目标函数,在监督字典学习框架下,使学习得到的字典判别性更强.利用加州大学默塞德分校提供的UCMerced遥感数据集以及自测的红外车辆数据集做了实验验证,在这两个数据集上算法的平均识别率分别达到了89.46%和93.98%,实现了对非线性可分目标的高精度分类.
目标识别、稀疏表示、协方差描述子、字典学习、核稀疏、图像分类
26
TP39(计算技术、计算机技术)
国家自然科学基金61403398,61673017;陕西省自然基金面上项目2017JM6077
2018-08-30(万方平台首次上网日期,不代表论文的发表时间)
共8页
330-337