多种表示的图像分类方法

论文摘要

针对不同图像提取出显著的特征对于图像分类是非常有意义的,然而单一图像分类方法不能在所有图像上都取得好的鲁棒性,通过多视角来提取不同特征,并将其融合来有效地解决这个难题。首先,利用二维主成分分析(2DPCA)提取图像的特征,然后根据获取特征进行图像重构(虚拟图像)。其次,利用快速傅里叶变换(FFT)获取图像的频谱特征。接着,将原始图像、虚拟图像、频谱特征分别利用稀疏方法获取得分。最后,利用一种新颖融合机制将上述得分进行融合,并根据新获取得分进行图像分类。获取的多特征和原始图像进行了互补,使该算法更具有鲁棒性;该方法具有稀疏性,提高了图像分类的性能;此外,它能自动获取参数,不需要手动调参。实验结果表明,该方法在不同情景下具有高的图像分类准确率。

论文目录

• 1 引言
• 2 多种方法的图像表示
•   2.1 虚拟特征图像的获取
•   2.2 频谱特征图像的获取
• 3 多种特征的得分融合与图像分类
•   3.1 一般的稀疏表示分类方法
•   3.2 协调的稀疏表示分类方法
•   3.3 多种方法的图像得分融合和图像分类
• 4 算法性能展示
• 5 实验结果
•   5.1 在ORL数据集上实验
•   5.2 在GT数据集上的实验
• 6 结束语

文章来源

类型: 期刊论文

作者: 陈德运,付立军,张学松,于梁,陈海龙,李骜

关键词: 图像分类,二维主成分分析,快速傅里叶变换,稀疏方法,多种表示方法

来源: 计算机科学与探索 2019年12期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用

单位: 哈尔滨理工大学计算机科学与技术学院,北京兆芯集成电路有限公司,酒泉卫星发射中心

基金: 国家自然科学基金No.61501147,哈尔滨市科技创新人才研究专项资金项目No.2017RAQXJ045~~

分类号: TP391.41

页码: 2138-2148

总页数: 11

文件大小: 3715K

下载量: 199