资料下载
×
如何使用多层非负局部Laplacian稀疏编码进行图像分类
消耗积分:0 |
格式:rar |
大小:1.14 MB |
2019-01-02
分享资料个
针对单层稀疏编码结构对图像特征学习能力的局限性问题，提出了一个基于图像块稀疏表示的深层架构，即多层融合局部性和非负性的Laplacian稀疏编码算法（MLLSC）。对每个图像平均区域划分并进行尺度不变特征变换（ SIFT）特征提取，在稀疏编码阶段，在Laplacian稀疏编码的优化函数中添加局部性和非负性，在第一层和第二层分别进行字典学习和稀疏编码，分别得到图像块级、图像级的稀疏表示，为了去除冗余特征，在进行第二层稀疏编码之前进行主成分分析（ PCA）降维，最后采用多类线性支持向量机进行分类。在四个标准数据集上进行验证，实验结果表明，MLLSC方法具有高效的特征学习能力，能够捕获图像更深层次的特征信息，相对于单层结构算法准确率提高了30/0～13qo，相对于多层稀疏编码算法准确率提高了1qo~2.3010；并对不同参数进行了对比分析，充分展现了其在图像分类中的有效性。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
