|
|
1.
基于多层非负局部Laplacian稀疏编码的图像分类
万源, 张景会, 吴克风, 孟晓静
计算机应用
2018, 38 (9):
2489-2494.
DOI: 10.11772/j.issn.1001-9081.2018020501
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。
参考文献 |
相关文章 |
多维度评价
|
|
