一种基于分层特征学习的标签一致K-SVD图像分类方法

• 作者: 张艳 王博 郭继昌
• 来源期刊: 陕西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 图像表示 分层特征学习 K-SVD 图像分类
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 数学与计算机科学
• 页码范围: 17-22
• 页数: 6页
• 分类号: TP391.4
• 字数: 4052字
• 语种: 中文
• DOI: 10.15983/j.cnki.jsnu.2016.04.145

摘要

为更好提取信息丰富的图像表示，提出了一种基于分层特征学习的标签一致 K-SVD图像分类方法。首先，对基于灰度或RGB类型的图像进行稠密的块采样，然后利用分层正交匹配追踪获取图像特征，代替传统的基于 SIFT描述子结合空间金字塔池化的方式。在引入标签一致性约束后，利用K-SVD算法对已获取特征进行判别式字典的学习，同时得到了最优的线性分类器。实验结果表明，该方法在Caltech101、Oxford Flowers 和 UIUC-Sports 3类数据集中，分类准确率分别达到了76．7％、84．9％和87．1％，优于其他算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭继昌	天津大学电子信息工程学院	77	735	14.0	24.0
2	王博	天津大学电子信息工程学院	37	236	10.0	13.0
3	张艳	天津大学电子信息工程学院	24	185	8.0	12.0