基于多层非负局部Laplacian稀疏编码的图像分类

• 作者: 万源 吴克风 孟晓静 张景会
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 多层架构 层级特征 局部性 非负性 Laplacian稀疏编码 主成分分析
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 2489-2494,2499
• 页数: 7页
• 分类号: TP391.4
• 字数: 7950字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2018020501

摘要

针对单层稀疏编码结构对图像特征学习能力的局限性问题,提出了一个基于图像块稀疏表示的深层架构,即多层融合局部性和非负性的Laplacian稀疏编码算法(MLLSC).对每个图像平均区域划分并进行尺度不变特征变换(SIFT)特征提取,在稀疏编码阶段,在Laplacian稀疏编码的优化函数中添加局部性和非负性,在第一层和第二层分别进行字典学习和稀疏编码,分别得到图像块级、图像级的稀疏表示,为了去除冗余特征,在进行第二层稀疏编码之前进行主成分分析(PCA)降维,最后采用多类线性支持向量机进行分类.在四个标准数据集上进行验证,实验结果表明,MLLSC方法具有高效的特征学习能力,能够捕获图像更深层次的特征信息,相对于单层结构算法准确率提高了3％～13％,相对于多层稀疏编码算法准确率提高了1％～2.3％;并对不同参数进行了对比分析,充分展现了其在图像分类中的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	万源	武汉理工大学理学院	27	218	7.0	14.0
2	张景会	武汉理工大学理学院	3	5	1.0	2.0
3	吴克风		1	1	1.0	1.0
4	孟晓静	武汉理工大学理学院	3	2	1.0	1.0