基于拉普拉斯特征映射法的水下图像降维探究.pdfVIP

2013年1月15日 现代电子技术 Jan.2013 第36卷第2期 ModernElectronicsTechnique Vol.36No.2 22 22 以图像分类为目标的字典学习算法 1 2 1 徐 健 ，常志国 ，赵小强 （1.西安邮电学院 通信与信息工程学院，陕西 西安 710121；2.长安大学 信息工程学院，陕西 西安 710064） 摘 要：综述了字典学习算法的主要研究方向之一，即以图像分类为目标的稀疏表示字典学习算法。从空间变换法和 类别指示法两个角度，分析各种算法的优缺点，并对相应的实验结果进行比较。总结了利用这类算法进行图像分类时所面 临的其他一些关键问题，如模式识别中的旋转不变性和计算速度等。依据目前已有的技术和应用需求，探寻该领域未来的 研究方向。 关键词：图像分类；稀疏表示；字典训练；原子 中图分类号：TN391⁃34 文献标识码：A 文章编号：1004⁃373X（2013）02⁃0022⁃04 Dictionary training algorithm for image classification 1 2 1 XUJian,CHANGZhi⁃guo,ZHAOXiao⁃qiang （1.SchoolofCommunicationandInformationEngineering,Xi’anUniversityofPostsTelecommunications,Xi’an 710121,China; 2.SchoolofInformationEngineering,Chang’anUniversity,Xi’an 710064,China) Abstract ：Oneofthemainresearchdirectionsofdictionarytrainingalgorithm,whichisalsocalledsparserepresentation dictionarylearningalgorithmforimageclassification,issummarized.Themeritsanddemeritsofvariousalgorithmsareanalyzed intheaspectsofspatialalternationandcategoryindicationmethods.Therelevantexperimentresultsarecompared.Someother keyproblemsexistinginimageclassificationbysuchalgorithmsaresummedup,suchasrotatioalinvarianceandcomputation speedinpatternrecognition.Basedonexistingtechnologyandapplicationrequirements,somefutureresearchdirectionsinthis fieldwereexplored. Keywords ：imageclassification;sparserepresentation;dictionarytraining;atom 信号稀疏分解方法被广泛的应用于图像处理的各 种“稀疏表示”，证明了稀疏表示符合视