集成稀疏描述的判别投影及图像识别-电子与通信工程专业论文.docxVIP

TN82学校代码 分 类 号 10701 TP391学号1201120567 密级公开 西安电子科技大学硕士学位论文集成稀疏描述的判别投影及图像识别作者姓名：领域： 学位类别：黄云芳电子与通信工程 工程硕士学校导师姓名、职称： 企业导师姓名、职称：高全学教授 王勇高级工程师提交日期：2014 年 12 月Integrated Sparse Description of Discriminant Projection and Image RecognitionA thesis submitted to XIDIAN UNIVERSITYin partial fulfillment of the requirements for the degree of Masterin Electronics and Communication EngineeringBy Huang YunfangSupervisor: Prof. Gao QuanxueDecember 2014西安电子科技大学 学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在 导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标 注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成 果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的 材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说 明并表示了谢意。学位论文若有不实之处，本人承担一切法律责任。本人签名：日期： 西安电子科技大学 关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用毕业论文的规定，即：研究生 在校学习期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交 论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可 以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合毕 业论文研究课题再撰写的文章一律署名单位为西安电子科技大学。（保密的论文在解密后遵守此规定） 本论文属于保密，在年解密后适用本授权书。本人签名：导师签名： 日期：日期： 摘要图像识别是模式识别、机器学习领域的研究热点，它是指利用计算机对图像 进行分析、处理，识别各种不同模式的目标和对象的技术。随着信息采集技术与 计算机技术的迅速发展，实际获取的图像维度越来越高。所以如何学习特征有效 的描述数据是当前研究的重点和难点。特征提取是一种有效的解决方案，其目的 是挖掘隐藏在高维数据中的内在低维几何描述，通过特征提取可以降低算法的计 算复杂度。本文从稀疏描述入手，研究了适用于稀疏描述的判别特征提取，主要 内容和贡献有：一、针对线性判别分析(Linear Discriminant Analysis, LDA)只考虑了数据的全 局几何结构，导致内在几何结构描述不准确及分类性能不是很好等问题，借助稀 疏描述的优点（较好地刻画了数据的局部几何结构），提出了一种基于稀疏描述 的线性判别投影算法(SD-LDP)，该算法的目的是寻找投影矩阵，使得低维描述既 满足 LDA 准则，又适合稀疏描述分类器（Sparse Repreentation Classifier, SRC）。 相比 LDA 和基于稀疏描述的 SRC-DP 算法，该算法较好地刻画了数据的几何结构， 性能比较稳定。在几个数据库上的实验结果验证了所提算法的有效性。二、针对 SRC-DP 算法对噪声或者遮挡不鲁棒的问题，提出了鲁棒稀疏判别 投影算法。该算法首先用 RPCA 对训练样本进行预处理得到无噪声的干净图像， 达到去噪的目的；然后考虑到系数的稀疏分布特性，提出了指向类心的稀疏判别 投影算法。该算法使得低维描述较好地的稀疏描述，即系数的非零值尽可能分布 在同类原子对应的位置，而不同类原子所对应的系数值为零或者很小。由于以上 两点的改进使算法的识别能力和泛化能力都得到了较好的提高，实验数据证实了 该算法的合理性。关 键 词： 特征提取, 判别投影, 稀疏描述, 图像识别, 低秩矩阵分解 论文类型：应用基础技术ABSTRACTImage recognition is a hot research topic in the field of pattern recognition and machine learning, which refers to using the computer to analyze and process images, and then identify different patterns of target and object. With the rapid development of inform