基于低秩稀疏表征的圖像分類算法研究.pdf

1、隨著視頻監(jiān)控的普及和圖像數(shù)據(jù)的海量增長，圖像的人工檢索與分類已經(jīng)無法適應需求，這促進了圖像分類技術的產(chǎn)生與發(fā)展。圖像分類的關鍵技術是提取圖像特征信息及其表征。由于提取后的特征數(shù)據(jù)維數(shù)過高，需對其進行降維處理，以免出現(xiàn)維數(shù)災難。自低秩稀疏表征理論提出以來，研究學者開始大量研究其在圖像分類領域的應用并取得很多突破性的研究成果。受判別分析法、遷移學習及圖論等理論知識的啟發(fā)，有研究學者考慮在低秩稀疏表征基礎上，結合其它領域理論知識，來提高算法的

2、分類性能。圖像分類技術雖然發(fā)展迅速，但現(xiàn)實需求（實時性、準確性等）和識別困難（光照、遮擋等）等問題，其還存在較大的發(fā)展空間。
　　本文致力于基于稀疏低秩表征理論的圖像分類算法研究，目標是獲取更好的圖像特征信息表征來提高圖像的判別性，從而提高圖像的分類性能。本文的主要研究工作如下:
　　(1)對目前圖像分類算法研究背景意義、低秩稀疏表征理論的發(fā)展及在圖像分類中的應用作了綜合分析，并介紹了國內外的研究現(xiàn)狀以及圖像分類算法面臨的挑

3、戰(zhàn)與潛在的發(fā)展前景。
　　(2)詳細介紹了目前一些經(jīng)典分類器、圖像分類相關的基礎理論知識以及基于低秩稀疏表征理論的圖像分類算法。
　　(3)結合稀疏低秩理論，本文基于LASSO(Least Absolute Shrinkage and SelectionOperator)提出了局部保持投影的稀疏回歸算法(SpLPP)。SpLPP把局部保持和稀疏性結合起來，同時將降維、特征選擇綜合在一種分析中。SpLPP算法的本質是在LASS

4、O約束下求解保持局部特性的最佳投影，通過該算法得到的數(shù)據(jù)同時保留了局部結構與判別能力，有效提高了圖像的分類性能。
　　(4)本文將SpLPP算法應用于人臉識別，并通過兩類實驗來測試SpLPP算法的性能:一類實驗測試其表征能力，另一類實驗測試其分類能力。考慮到在小樣本問題中，SpLPP可能不能直接應用，因此文本提出了其廣義正則化形式RSpLPP使得算法更加適用。
　　本文分別在合成數(shù)據(jù)集與Frey人臉數(shù)據(jù)集上測試SpLPP算法