结合图嵌入的双字典学习方法及其图像识别应用研究

发布时间：2024-05-26 22:58

　　图像是高维数据,本身蕴含了大量复杂的信息和特征,如何有效从高维复杂图像数据中挖掘内在规律并进行高效的分析识别,一直是计算机科学领域面临的基本问题。近年来提出的稀疏表示及其字典学习理论已经成为了图像识别领域研究的热点,并且得到了快速的发展。高维图像的特征信息往往是非线性的,这种非线性结构中往往蕴含丰富的利于提升识别率的鉴别信息,稀疏表示字典学习模型被应用于图像识别问题时却往往忽略了图像的内在几何结构信息。基于图嵌入框架下的流形学习方法,可以有效地挖掘嵌入在高维数据中的低维子流形,揭示隐藏在高维数据中内在的几何结构与规律。因此,本文对结合图嵌入理论和字典学习理论的图像识别算法及其应用进行了深入的研究,主要工作概括如下:(1)提出了一种图嵌入约束下的双字典学习方法(Graph embedding dictionary pair learning,DPL)同时学习一对综合字典和投影字典。该方法考虑到图像的局部几何结构中往往包含关键的判别性信息,在构建图拉普拉斯矩阵的关键步骤中,与一般的直接用样本构建图拉普拉斯矩阵的方法不同的是,结合字典原子与字典原子轮廓(即编码系数的行)之间的一一对应关系,采...

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

图2.1综合字典学习模型

9虽然采用BP算法能够达到全局收敛，求得的稀疏解更为精确，但是贪婪算法比BP算法计算消耗低。对稀疏表示模型进行求解时，需要根据具体特定的情况，采取合适的优化方法。2.2字典学习模型稀疏表示模型中字典的好坏与图像的识别性能有密切的关联，由通过对样本进行特定数学变换构定[11]的解析....

图2.2解析字典模型

11(5)最终获得字典D，变换矩阵L，分类参数矩阵W。2.2.2解析字典学习模型随着学者们提出的许多改进的综合字典学习模型，对它的研究发展非常快，但是综合字典学习模型也存在一些问题。例如，当训练样本增加时，稀疏编码的时间会过长，算法效率会降低。图2.2解析字典模型作为综合字典的对....

图2.3LLE降维效果图

14图2.3LLE降维效果图2.3.3拉普拉斯特征映射作为一种基于局部的方法，拉普拉斯特征映射算法也是流形学习理论中相对更全面、研究成果更为丰硕。LE算法的主要思想通过维持数据的局部性来获得潜在的低维流形，即认为在高维空间中彼此邻近的数据点通过该算法被映射至低维空间后，近邻关系仍....

图2.4LE降维效果图

15所以，目标函数可以转换为如式(2-20)：1argminTTyDyyLy(2-20)再由拉格朗日乘子法得到方程：,TTLyyLyyDy(2-21)令Ly,导数为0，则式(2-21)中的最小化问题从而变成求特征值的问题，即求矩阵方程的最小特征值相应的特征向量:LyDy(2-22....

本文编号：3982416