基于核字典学习的图像分类

发布时间：2018-04-22 10:32

  本文选题：目标分类 + 稀疏表示　； 参考：《计算机应用研究》2017年12期

【摘要】：航拍图像往往具有场景复杂、数据维度大的特点,对于该类图像的自动分类一直是研究的热点。针对航拍原始数据特征维度过高和数据线性不可分的问题,在字典学习和稀疏表示的基础上提出了一种结合核字典学习和线性鉴别分析的目标识别方法。首先学习核字典并通过核字典获取目标样本的稀疏表示,挖掘数据的内部结构;其次采用线性鉴别分析,加强稀疏表示的可分性;最后利用支持向量机对目标进行分类。实验结果表明,与传统基于子空间特征提取的算法和基于字典学习的算法相比,基于核字典学习与鉴别分析的算法分类性能优越。
[Abstract]:Aerial images often have the characteristics of complex scene and large data dimension. The automatic classification of aerial images is always a hot topic. Based on dictionary learning and sparse representation, a method of target recognition based on kernel dictionary learning and linear discriminant analysis is proposed. Firstly, the kernel dictionary is studied and the sparse representation of the target sample is obtained through the kernel dictionary to mine the internal structure of the data. Secondly, linear discriminant analysis is used to enhance the separability of sparse representation. Finally, support vector machine is used to classify the target. The experimental results show that the algorithm based on kernel dictionary learning and discriminant analysis is superior to the traditional algorithm based on subspace feature extraction and dictionary learning.
【作者单位】： 上海交通大学航空航天学院;Technische
【基金】：国家自然科学基金资助项目(U1406404,61331015)
【分类号】：TP181;TP391.41

【相似文献】

相关期刊论文 前10条

1 徐勇,杨静宇,金忠,娄震;一种基于核的快速非线性鉴别分析方法[J];计算机研究与发展;2005年03期

2 张伟伟;陈秀宏;;极小化类内散布度的大间距非线性鉴别分析[J];计算机工程与应用;2010年23期

3 郑宇杰;杨静宇;吴小俊;李勇智;;基于模糊集理论的二维线性鉴别分析新方法[J];中国工程科学;2007年02期

4 郭志波;杨静宇;严云洋;郑宇杰;;一种多频带线性鉴别分析方法[J];工程图学学报;2007年02期

5 赵明华;李鹏;刘直芳;;基于两空间线性鉴别分析的小样本人脸识别[J];光电工程;2008年09期

6 严云洋;郭志波;杨静宇;;基于多尺度低频特征组合的线性鉴别分析[J];系统仿真学报;2008年07期

7 程正东;章毓晋;樊祥;;基于图像抽样重组的2维线性鉴别分析[J];中国图象图形学报;2010年02期

8 林宇生;房福龙;杨万扣;;模糊二维线性鉴别分析算法[J];无线电工程;2011年09期

9 何振学;张贵仓;孔波;杨鹏斐;王济深;;对称DLDA及其在人脸识别中的应用[J];科学技术与工程;2013年21期

10 裴佳佳;古辉;;基于分块二维线性鉴别分析的人脸识别[J];计算机系统应用;2009年09期

相关会议论文 前3条

1 陈才扣;刘永俊;杨静宇;;改进的二维最大散度差线性鉴别分析及人脸识别[A];第十三届全国图象图形学学术会议论文集[C];2006年

2 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

3 王秀娟;郑康锋;杨星海;;线性鉴别分析在中文文本分类中的应用[A];2005通信理论与技术新进展——第十届全国青年通信学术会议论文集[C];2005年

相关博士学位论文 前10条

1 李进明;基于稀疏表示的图像超分辨率重建方法研究[D];重庆大学;2015年

2 姚明海;视频异常事件检测与认证方法研究[D];东北师范大学;2015年

3 王瑾;基于稀疏表示的数据收集、复原与压缩研究[D];北京工业大学;2015年

4 薛明;基于稀疏表示的在线目标跟踪研究[D];上海交通大学;2014年

5 程广涛;基于压缩感知的人脸识别方法研究[D];天津大学;2015年

6 黄丹丹;基于稀疏表示的视觉目标跟踪方法研究[D];大连理工大学;2016年

7 赵淑欢;欠完备采样环境下面向数据的稀疏表示人脸识别研究[D];燕山大学;2016年

8 刘海仓;基于稀疏表示的图像超分辨率与目标跟踪方法研究[D];湖南大学;2015年

9 项凤涛;基于稀疏表示与优化的图像信息处理方法及应用[D];国防科学技术大学;2014年

10 刘兆栋;基于稀疏表示理论的图像去噪与融合算法研究[D];重庆大学;2016年

相关硕士学位论文 前10条

1 庞成;人脸识别中子空间降维方法研究[D];扬州大学;2015年

2 王道文;基于稀疏表示的目标跟踪算法研究[D];华南理工大学;2015年

3 孙雪青;Shearlet变换和稀疏表示相结合的甲状腺结节图像融合[D];河北大学;2015年

4 吴丽璇;基于稀疏表示的微聚焦X射线图像去噪方法[D];华南理工大学;2015年

5 赵孝磊;基于图像分块稀疏表示的人脸识别算法研究[D];南京信息工程大学;2015年

6 黄志明;基于辨别式稀疏字典学习的视觉追踪算法研究[D];华南理工大学;2015年

7 张铃华;非约束环境下的稀疏表示人脸识别算法研究[D];南京信息工程大学;2015年

8 应艳丽;基于低秩稀疏表示的目标跟踪算法研究[D];西南交通大学;2015年

9 梁晓捷;基于网络摄像头与稀疏表示分类法的实时人脸识别系统应用研究[D];五邑大学;2015年

10 陈蒙;基于稀疏表示特征的人脸识别方法研究[D];深圳大学;2015年

，

本文编号：1786850