基于稀疏表示的圖像分類識別若干關(guān)鍵技術(shù)研究.pdf

1、圖像是成像系統(tǒng)對可視信息地主要表現(xiàn)形式，大腦視覺皮層對繁雜可視信息刺激的響應(yīng)具有稀疏性，用稀疏表示描述圖像信息是一種有效得方法，該方法在信號處理和模式識別等領(lǐng)域的作用日益增強(qiáng)。本文在深入分析稀疏表示理論的基礎(chǔ)上，以3D掌紋圖像和紅外人臉識別為例，開展了基于稀疏表示的圖像分類識別若干關(guān)鍵技術(shù)研究，主要內(nèi)容如下：
　　(1)稀疏表示理論研究。研究小波變換、學(xué)習(xí)字典等稀疏表示方法的理論，探討從線性到非線性稀疏模型地演變，稀疏表示的抗干擾

2、性和魯棒性，對稀疏分解算法進(jìn)行剖析挖掘，通過研究稀疏表示理論的數(shù)學(xué)模型，明確圖像稀疏表示過程的關(guān)鍵環(huán)節(jié)，并針對固定基字典組合的多樣性，實現(xiàn)稀疏表示的固定基字典提取，為下階段應(yīng)用探索做理論和算法鋪墊。
　　(2)基于稀疏表示的3D掌紋圖像識別應(yīng)用。3D掌紋圖像點云數(shù)據(jù)深度信息到空間結(jié)構(gòu)的表達(dá)常采用均值曲率方法，但此方法會造成3D掌紋的表達(dá)特征缺失嚴(yán)重，其表征的曲面點之間有強(qiáng)相關(guān)性。本文采用更強(qiáng)3D掌紋空間結(jié)構(gòu)信息表達(dá)能力的形狀指數(shù)，

3、結(jié)合 Contourlet變換良好的圖像稀疏表達(dá)能力，提出改進(jìn)Contourlet變換的3D掌紋圖像識別，通過合理構(gòu)造能有效表達(dá)3D掌紋圖像信號的最優(yōu)原子，得到更具圖像本質(zhì)特性的變換描述形式，最后用合適的分類器達(dá)到有效識別的目的。深入研究稀疏表示方法，針對改進(jìn) Contourlet變換3D掌紋圖像方法中正交字典子空間圖像直接取均值和方差，而導(dǎo)致圖像特征不足的缺陷，提出結(jié)合 Contourlet和 PCA字典的稀疏表示方法，并通過對圖像主

4、紋理和細(xì)節(jié)紋理差異的模糊處理方案，對 Contourlet各尺度子帶引入客觀評價指標(biāo)，然后整合成新的固定基字典，改善了3D掌紋圖像的識別效果。
　　(3)基于稀疏表示的紅外人臉識別應(yīng)用研究。本文對紅外人臉采用 K-S V D(K-singular value decomposition)學(xué)習(xí)字典來訓(xùn)練圖像樣本，對紅外人臉樣本圖像全局化PCA(Principal Component Analysis)降維，克服 K-SVD算法初始化

5、固定字典具有維度限制，同時考慮該訓(xùn)練字典中使用 DCT(Discrete Cosine Transform)初始化字典造成的平方維數(shù)要求，本文引入平滑算子，達(dá)到有限任意維數(shù)的K-SVD字典構(gòu)造的目的。本文通過對 PCA特征下的紅外人臉圖像潛在成分的非高斯性的可分性信息進(jìn)行分析，表明 K-SVD訓(xùn)練字典具有最優(yōu)地紅外人臉特征表達(dá)能力，結(jié)合 OMP(Orthogonal Matching Pursuit)實現(xiàn)魯棒地紅外人臉識別。