基于监督字典学习的核稀疏表示的目标识别算法

• 作者: 刘源 孙大为 李永飞 杨东方 王仕成
• 来源期刊: 中国惯性技术学报
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 组合导航技术
• 页码范围: 330-337
• 页数: 8页
• 分类号: TP39
• 字数: 2122字
• 语种: 中文
• DOI: 10.13695/j.cnki.12-1222/o3.2018.03.009

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李永飞		4	8	1.0	2.0
2	王仕成		33	70	5.0	7.0
3	杨东方		11	24	3.0	4.0
4	孙大为		3	7	1.0	2.0
5	刘源		1	1	1.0	1.0