Gabor特征集结合判别式字典学习的稀疏表示图像识别.pdf

Gabor特征集结合判别式字典学习的稀疏表示图像识别.pdf

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
Gabor特征集结合判别式字典学习的稀疏表示图像识别.pdf

第18卷第2期 中国图象图形学报 V01.18.No.2 2013年2月 of Journal and Feb.,2013 ImageGraphics 中图法分类号:TP391.41文献标识码:A 文章编号:1006.8961(2013)02.189.06 Gabor特征集结合判别式字典学习的 稀疏表示图像识别 胡正平,徐波,白洋 燕山大学信息科学与工程学院,秦皇岛066004 摘要:稀疏编码中字典的选择无论对图像重建还是模式分类都有重要影响,为此提出Gabor特征集结合判别式 字典学习的稀疏表示图像识别算法。考虑到Gabor局部特征对光照、表情和姿态等变化的鲁棒性,首先提取图像对 应不同方向、不同尺度的多个Gabor特征;然后将降维的增广Gabor特征矩阵作为初始特征字典,通过对该字典的 学习得到字典原子对应类别标签的新结构化字典,新字典中特定类的子字典对相关的类具有好的表示能力,同时 应用Fisher判别约束编码系数,使它们具有小的类内散度和大的类间散度;最后同时用具有判别性的重构误差和 编码系数来进行模式分类。基于3个数据库的实验结果表明本文方法具有可行性和有效性。 关键词:稀疏表示;稀疏模式分类;Gabor特征;Fisher字典学习 for basedonGabor Sparserepresentationimagerecognition featuresetanddiscriminative dictionarylearning Hu Zhengping,XuBo,BaiYang Institute Scienceand 066004,China ofInformation Engineering,YanshanUniversity,Qinhuangdao has effecton reconstructionand the usedfor animportant image pattern Abstract:Choosingrightdictionary sparsecoding basedonGaborFeatureSetDiscriminative new Dictionary elassification.Therefore,asparserepresentationalgorithm is tovariationsof is for thatGaborfeaturerobust illumination,expre— Learning imagerecognition.Con

文档评论(0)

整理王 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档