带PCA卷积的稀疏表示图像分类算法

摘要：

针对不同卷积核可以提取不同的图像特征,而卷积核的训练比较困难这一问题,提出一种带主成分分析(PCA)卷积的稀疏表示分类算法.先对训练样本集做分片去均值化处理,然后直接应用PCA算法提取所有分片的前K个特征向量作为卷积核,再用这些卷积核对原始图像进行卷积操作;并提出一种自动加权策略,对卷积处理后得到的K个特征图像进行加权叠加操作;最后对特征图像进行分块直方图统计稀疏化,并应用稀疏表示分类算法进行分类.在公共人脸数据集AR、CMU Multi-PIE、ORL以及数字手写体数据集MNIST上与常用分类算法进行对比实验,实验结果表明,带PCA卷积的稀疏表示分类算法具有更高的分类准确率.

关键词：稀疏表示、主成分分析卷积核、图像卷积、直方图统计、图像分类

所属期刊栏目：53

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61262006,61540050;贵州省重大应用基础研究项目黔科合JZ字[2014]2001号;贵州省科技厅联合基金黔科合LH字[2014]7636号

在线出版日期：2017-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：155-160