基于L2,p矩阵范数稀疏表示的图像分类方法

• 作者: 刘传才 时中荣 王胜
• 来源期刊: 南京理工大学学报(自然科学版)
• 学科: 工学
• 关键词: 图像分类 稀疏表示 稀疏分类 矩阵范数 稀疏编码 字典学习 稀疏正则项 稀疏诱导范数
• 年，卷（期）: 2017,（1）
• 页码范围: 80-89
• 页数: 10页
• 分类号: TP391.41
• 字数: 6438字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2017.41.01.011

摘要

为了提高基于稀疏表示分类算法的分类精度,该文充分利用同类样本的非零系数高度集中的特点,提出一种用l2,p矩阵范数进行稀疏约束的基于稀疏表示的分类方法.该算法的训练阶段,构造的目标函数主要包括三个部分:重构误差、稀疏矩阵类内一致性约束、稀疏矩阵类间不一致性约束,其中的稀疏矩阵类内一致性约束用l2,p矩阵范数实现.该算法的测试阶段,计算新样本的稀疏重构系数以用于分类.和传统的基于稀疏表示的分类方法比较,该方法求稀疏重构系数时对样本不再单个处理,而是对同类样本整体处理,且充分利用同类样本的相似性和不同类样本的相异性,提高了基于稀疏表示的图像分类方法的分类精度.实验结果表明:该方法进一步提高了图像分类的准确率,在AR、Extended Yale B和Fifteen Scene Category数据库上和基于稀疏表示的分类方法(Sparse representation based classification,SRC)相比较,识别率分别提高了20.11%、20.88%和2.13%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘传才	南京理工大学计算机科学与工程学院	41	213	8.0	12.0
2	王胜	河南大学图像处理与模式识别研究所	6	14	3.0	3.0
3	时中荣	南京理工大学计算机科学与工程学院	1	5	1.0	1.0