基于拉普拉斯非负稀疏编码的图像分类 被引量：6

1

作者 李钱钱 曹国 《计算机工程》 CAS CSCD 2013年第11期240-244,共5页

针对复杂背景下的图像分类问题,结合非负稀疏编码和局部保持投影算法,提出一种拉普拉斯正则化非负稀疏编码算法。相比于已有的稀疏编码算法,该算法不仅能更好地模拟哺乳动物初级视觉系统主视皮层V1区简单细胞感受野的行为,同时也可使相... 针对复杂背景下的图像分类问题,结合非负稀疏编码和局部保持投影算法,提出一种拉普拉斯正则化非负稀疏编码算法。相比于已有的稀疏编码算法,该算法不仅能更好地模拟哺乳动物初级视觉系统主视皮层V1区简单细胞感受野的行为,同时也可使相似的特征经过编码后仍然相似,从而保证特征度量的一致性。将该算法与空间金字塔匹配模型相结合应用于图像分类,在多个图像数据库上的实验结果表明,该算法具有较高的分类精度。 展开更多

关键词 稀疏编码 非负稀疏编码 拉普拉斯非负稀疏编码 空间金字塔匹配模型 图像分类 支持向量机

在线阅读 下载PDF 职称材料

基于非负稀疏编码的位置细胞反馈环路学习模型

2

作者 任梦辉 王东署 《郑州大学学报（理学版）》 CAS 北大核心 2025年第1期31-39,共9页

为了探究大脑导航编码的神经机制,聚焦内嗅皮层与海马体之间的神经连接进行模型研究。生理学证据显示,内嗅皮层与海马体之间存在显著的反馈回路连接,两者的空间编码细胞在导航行为中表现出高度关联性。基于这一基础,建立了反馈循环网络... 为了探究大脑导航编码的神经机制,聚焦内嗅皮层与海马体之间的神经连接进行模型研究。生理学证据显示,内嗅皮层与海马体之间存在显著的反馈回路连接,两者的空间编码细胞在导航行为中表现出高度关联性。基于这一基础,建立了反馈循环网络模型,将内嗅皮层的栅格细胞与弱空间细胞作为网络输入,连接到海马体的位置细胞与颗粒细胞,并采用非负稀疏编码进行学习。实验结果表明:该反馈学习模型可以快速捕获细胞的空间调谐特性,仅使用弱空间细胞作为输入,也可以通过反馈环路学习到海马位置细胞对空间的单峰选择性,说明反馈编码机制在优化空间表示中发挥着关键作用。总之,该模型可能是大脑导航系统生成精确空间编码的重要细胞机制之一。 展开更多

关键词 内嗅皮层 海马体 栅格细胞 位置细胞 反馈循环 非负稀疏编码

在线阅读 下载PDF 职称材料

非负稀疏编码收缩法的自然图像消噪 被引量：4

3

作者 尚丽 黄德双 郑春厚 《中国科学技术大学学报》 CAS CSCD 北大核心 2006年第5期497-501,共5页

非负稀疏编码(NNSC)算法仅依赖自然图像数据的统计特性,具有自适应性.利用NNSC算法可以成功地提取自然图像的特征基向量;作为对特征基的一个实际应用,提出了一种新颖的用非负稀疏编码收缩技术消除自然图像中的高斯加性噪声的方法.实验表... 非负稀疏编码(NNSC)算法仅依赖自然图像数据的统计特性,具有自适应性.利用NNSC算法可以成功地提取自然图像的特征基向量;作为对特征基的一个实际应用,提出了一种新颖的用非负稀疏编码收缩技术消除自然图像中的高斯加性噪声的方法.实验表明,提取的特征基向量在时域和频域上都有方向性和局部性,表现了输入自然图像的边缘特性;而且与独立分量分析(ICA)法相比,NNSC法提取的特征基有更清晰的边缘特征.目视效果和归一化信噪比证明了NNSC收缩法的消噪效果要优于稀疏编码(或ICA)收缩法、小波收缩法和Wiener滤波等方法. 展开更多

关键词 非负稀疏编码 稀疏编码 独立分量分析 特征基向量 图像特征提取 图像消噪

在线阅读 下载PDF 职称材料

轮廓波和非负稀疏编码收缩的毫米波图像恢复 被引量：6

4

作者 尚丽 苏品刚 周昌雄 《激光与红外》 CAS CSCD 北大核心 2011年第9期1049-1053,共5页

针对毫米波图像存在的分辨率较低的问题,结合局部非负稀疏编码(non-negativesparse coding,NNSC)算法的自适应高阶统计特性以及轮廓波分解的方向性和能量变化特性,提出了一种新的基于轮廓波和NNSC收缩的毫米波图像恢复方法。NNSC算法是... 针对毫米波图像存在的分辨率较低的问题,结合局部非负稀疏编码(non-negativesparse coding,NNSC)算法的自适应高阶统计特性以及轮廓波分解的方向性和能量变化特性,提出了一种新的基于轮廓波和NNSC收缩的毫米波图像恢复方法。NNSC算法是近年来发展起来的模拟人类视觉系统信息处理的有效方法。使用NNSC训练得到的特征基向量和最大似然估计(MLE),能够自适应地确定收缩去噪阈值,并把该收缩技术应用到轮廓波变换域,则能够大大减少毫米波图像中的大量未知噪声,提高毫米波图像的恢复质量。采用无噪自然图像验证基于轮廓波和NNSC收缩的图像恢复方法,实验结果证实了所提出的算法的有效性和实用性,表明该方法能够有效地用于低分辨率图像的恢复。 展开更多

关键词 非负稀疏编码 轮廓波变换 阈值收缩 特征基向量 图像恢复

在线阅读 下载PDF 职称材料

基于图像导数框架和非负稀疏编码的颜色恒常计算方法 被引量：3

5

作者 杜馨瑜 李永杰 +1 位作者 尧德中 李朝义 《电子学报》 EI CAS CSCD 北大核心 2012年第1期179-183,共5页

本文通过模拟初级视皮层神经元感受野在视觉信息处理中的功能,提出了一种基于图像导数框架和非负稀疏编码思想的颜色恒常性计算模型,以实现对色偏图像的颜色矫正.从解决工程问题的角度,本文提出的基于生理机制的计算模型在处理效果上可... 本文通过模拟初级视皮层神经元感受野在视觉信息处理中的功能,提出了一种基于图像导数框架和非负稀疏编码思想的颜色恒常性计算模型,以实现对色偏图像的颜色矫正.从解决工程问题的角度,本文提出的基于生理机制的计算模型在处理效果上可与目前最好的颜色恒常性算法相媲美;从计算神经科学的角度,本文模型支持了大脑初级视皮层在视觉颜色恒常性中扮演重要角色的观点. 展开更多

关键词 颜色恒常 导数框架 非负稀疏编码 初级视皮层 感受野

在线阅读 下载PDF 职称材料

基于局部特征的非负稀疏编码神经网络模型 被引量：2

6

作者 尚丽 崔鸣 +1 位作者 赵志强 杜吉祥 《计算机工程》 CAS CSCD 北大核心 2011年第16期200-201,205,共3页

在非负稀疏编码(NNSC)的基础上,考虑特征基向量的稀疏度约束和特征基的局部性,提出一种基于局部特征的NNSC神经网络模型。该模型利用梯度和倍增因子相结合的优化算法实现特征系数的学习;利用倍增算法实现特征基的学习。对掌纹图像进行... 在非负稀疏编码(NNSC)的基础上,考虑特征基向量的稀疏度约束和特征基的局部性,提出一种基于局部特征的NNSC神经网络模型。该模型利用梯度和倍增因子相结合的优化算法实现特征系数的学习;利用倍增算法实现特征基的学习。对掌纹图像进行特征提取测试,结果表明,与传统NNSC模型和局部非负矩阵分解(LNMF)方法相比,该模型能有效提取图像的局部特征,收敛速度较快,可模拟初级视觉系统处理自然界信息的稀疏编码策略。 展开更多

关键词 非负稀疏编码 初级视觉系统 稀疏度约束 局部特征 特征提取 特征基向量

在线阅读 下载PDF 职称材料

SENSC：一个稳定高效的非负稀疏编码算法 被引量：2

7

作者 李乐 章毓晋 《自动化学报》 EI CSCD 北大核心 2009年第10期1257-1271,共15页

非负稀疏编码(Nonnegative sparse coding,NSC)己成功应用在很多领域的研究中.目前使用的NSC算法通过梯度投影法和基于辅助函数的乘性更新法相结合来实现,其性能受迭代步长的影响很大,且效率较低.为增强NSC的可应用性,本文通过对一组凸... 非负稀疏编码(Nonnegative sparse coding,NSC)己成功应用在很多领域的研究中.目前使用的NSC算法通过梯度投影法和基于辅助函数的乘性更新法相结合来实现,其性能受迭代步长的影响很大,且效率较低.为增强NSC的可应用性,本文通过对一组凸超抛物面函数做交替最小化米实现NSC,并依据凸超抛物面特性、点到非负数集合的投影规则以及点到原点处单位超球的投影规则构造了一个无用户定义优化参数的稳定高效的NSC算法—SENSC.从数学角度,文中推断了,SENSC比现有算法高效且它的解优于当前算法的解,证明了它的稳定性和收敛性.实验验证了上述理论推断的正确,说明了,SENSC调节编码稀疏性的能力比已有算法更强. 展开更多

关键词 非负稀疏编码 非负矩阵分解 稀疏编码 超抛物面

在线阅读 下载PDF 职称材料

基于局部非负稀疏编码的掌纹识别方法 被引量：2

8

作者 尚丽 苏品刚 杜吉祥 《计算机应用》 CSCD 北大核心 2011年第6期1609-1612,共4页

为了更有效地提取出图像的局部特征,在传统的非负稀疏编码(Hoyer-NNSC)算法的基础上,提出了一种新的具有稀疏度约束的局部NNSC(LNNSC)算法。该算法考虑了特征基向量的稀疏度约束和特征的最大化代表性,能够得到强化的图像局部特征;同时... 为了更有效地提取出图像的局部特征,在传统的非负稀疏编码(Hoyer-NNSC)算法的基础上,提出了一种新的具有稀疏度约束的局部NNSC(LNNSC)算法。该算法考虑了特征基向量的稀疏度约束和特征的最大化代表性,能够得到强化的图像局部特征;同时利用拉普拉斯密度模型作为特征系数的稀疏惩罚函数,保证了图像结构的稀疏性。在特征提取的基础上,进一步利用径向基概率神经网络(RBPNN)分类器,实现了掌纹的自动识别。仿真实验结果表明,与基于非负矩阵分解(NMF)、局部非负矩阵分解(LNMF)和Hoyer-NNSC的掌纹识别方法相比,该算法在掌纹识别研究中有较高的可行性和实用性。 展开更多

关键词 非负稀疏编码 局部特征提取 掌纹识别 径向基概率神经网络分类器

在线阅读 下载PDF 职称材料

具有Fisher判据约束的非负稀疏编码模型 被引量：1

9

作者 尚丽 淮文军 杜吉祥 《计算机工程》 CAS CSCD 2012年第3期176-177,179,共3页

在标准非负稀疏编码(NNSC)的基础上,引入Fisher线性判据约束,提出一种改进NNSC模型。该模型能够提高稀疏系数的空间可分性和特征分类能力。通过测试掌纹自然图像可知,提取的图像特征具有方向性、空间性和选择性,利用掌纹特征基可实现图... 在标准非负稀疏编码(NNSC)的基础上,引入Fisher线性判据约束,提出一种改进NNSC模型。该模型能够提高稀疏系数的空间可分性和特征分类能力。通过测试掌纹自然图像可知,提取的图像特征具有方向性、空间性和选择性,利用掌纹特征基可实现图像重构,采用距离分类器可得到较好的识别效果。仿真结果验证了该模型在可视神经元建模、图像特征提取和模式分类中的有效性。 展开更多

关键词 Fisher判据约束 非负稀疏编码 特征提取 特征基 特征识别 图像重构

在线阅读 下载PDF 职称材料

改进的非负稀疏编码神经网络模型及其应用 被引量：2

10

作者 尚丽 《计算机工程与应用》 CSCD 北大核心 2011年第4期160-164,共5页

提出了一种改进的基于NIG(Normal Inverse Gaussian)密度和稳健主成分分析(PCA)的非负稀疏编码(NNSC)神经网络模型,该模型实质上实现了一个二阶段的学习过程。并利用这个模型成功地建模了视觉感知系统V1区的感受野。该NNSC模型具有很强... 提出了一种改进的基于NIG(Normal Inverse Gaussian)密度和稳健主成分分析(PCA)的非负稀疏编码(NNSC)神经网络模型,该模型实质上实现了一个二阶段的学习过程。并利用这个模型成功地建模了视觉感知系统V1区的感受野。该NNSC模型具有很强的自适应于自然数据统计特性的能力。另外,利用类似小波收缩法去噪原理,该模型能够有效地去除图像中的高斯加性噪声,对自然图像编码的仿真实验也表明了该模型在生物学上的合理性和可行性。 展开更多

关键词 正态逆高斯(NIG)密度模型 稳健主成分分析 非负稀疏编码 非负矩阵分解 特征提取 图像去噪

在线阅读 下载PDF 职称材料

一种改进的非负稀疏编码图像编码方案 被引量：2

11

作者 晁永国 《计算机工程与科学》 CSCD 北大核心 2010年第10期66-68,79,共4页

稀疏编码就是对人类等哺乳动物视觉系统主视皮层强大图像编码能力的成功模拟,具有自适应性,且得到的图像基具有空间的局部性、方向性和频域的带通性。在稀疏编码基础上发展而来的非负稀疏编码,克服了特征间的相互抵消现象,编码性能更为... 稀疏编码就是对人类等哺乳动物视觉系统主视皮层强大图像编码能力的成功模拟,具有自适应性,且得到的图像基具有空间的局部性、方向性和频域的带通性。在稀疏编码基础上发展而来的非负稀疏编码,克服了特征间的相互抵消现象,编码性能更为优越。而利用经验模态分解技术加入图像结构信息的非负稀疏编码方法,在兼顾非负稀疏编码特性的基础上能更好地体现图像的结构性特征。本文提出了基于图像基的图像压缩方法,把这种改进的非负稀疏编码算法用于图像压缩,在保证较好图像解码质量的情况下,获得了理想的压缩比。 展开更多

关键词 图像基 非负矩阵分解 非负稀疏编码 经验模态分解

在线阅读 下载PDF 职称材料

基于多层非负局部Laplacian稀疏编码的图像分类 被引量：1

12

作者 万源 张景会 +1 位作者 吴克风 孟晓静 《计算机应用》 CSCD 北大核心 2018年第9期2489-2494,2499,共7页

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... 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3%~13%,相对于多层稀疏编码算法准确率提高了1%~2.3%;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。 展开更多

关键词 多层架构 层级特征 局部性 非负性 Laplacian稀疏编码 主成分分析

在线阅读 下载PDF 职称材料

局部非负稀疏编码的高光谱目标检测方法研究 被引量：6

13

作者 袁宗泽 孙浩 +1 位作者 计科峰 李志勇 《信号处理》 CSCD 北大核心 2014年第5期561-568,共8页

基于稀疏编码的高光谱图像处理算法能够挖掘高光谱高维数据空间中潜在的数据相关性,能自然地贴近光谱信号的本质特征。本文提出基于局部非负稀疏编码的高光谱目标检测算法。与经典稀疏编码模型相比,非负稀疏编码对编码系数进行非负约束... 基于稀疏编码的高光谱图像处理算法能够挖掘高光谱高维数据空间中潜在的数据相关性,能自然地贴近光谱信号的本质特征。本文提出基于局部非负稀疏编码的高光谱目标检测算法。与经典稀疏编码模型相比,非负稀疏编码对编码系数进行非负约束,一方面使得线性编码具有明确的物理解释,另一方面增强了系数的可分性与稳健性。算法首先通过双窗口设计构造局部动态字典,然后利用目标和背景在动态字典上编码的稀疏性差异进行阈值分割最后通过统计判决实现目标检测。仿真数据以及真实数据实验结果证明了算法的有效性。 展开更多

关键词 高光谱目标检测 非负稀疏编码 滑动双窗口 动态字典

在线阅读 下载PDF 职称材料

基于多层次非负稀疏编码和SVM的窃电检测方法 被引量：4

14

作者 黄刚 颜伟 +3 位作者 王浩 文旭 张爱枫 夏春 《重庆大学学报》 CSCD 北大核心 2022年第7期1-12,23,共13页

针对现有方法对新型窃电方式检测准确率不高的问题,文中提出了一种基于多层次非负稀疏编码和支持向量机(support vector machines,SVM)的窃电检测新方法。该方法以月度用电曲线为检测对象,基于多层次非负稀疏编码提取样本的多层次用电... 针对现有方法对新型窃电方式检测准确率不高的问题,文中提出了一种基于多层次非负稀疏编码和支持向量机(support vector machines,SVM)的窃电检测新方法。该方法以月度用电曲线为检测对象,基于多层次非负稀疏编码提取样本的多层次用电模式特征,以及窃电情景分析提取样本的数值统计特征,将二者的融合检测特征输入SVM分类器进行窃电检测。以爱尔兰智能电表数据集构造的算例验证了所提方法能够提高窃电检测的精确率和召回率。 展开更多

关键词 窃电检测 多层次 非负稀疏编码 情景分析 支持向量机

在线阅读 下载PDF 职称材料

稀疏约束图正则非负矩阵分解 被引量：13

15

作者 姜伟 李宏 +1 位作者 余震国 杨炳儒 《计算机科学》 CSCD 北大核心 2013年第1期218-220,256,共4页

非负矩阵分解(NMF)是在矩阵非负约束下的一种局部特征提取算法。为了提高识别率,提出了稀疏约束图正则非负矩阵分解方法。该方法不仅考虑数据的几何信息,而且对系数矩阵进行稀疏约束,并将它们整合于单个目标函数中。构造了一个有效的乘... 非负矩阵分解(NMF)是在矩阵非负约束下的一种局部特征提取算法。为了提高识别率,提出了稀疏约束图正则非负矩阵分解方法。该方法不仅考虑数据的几何信息,而且对系数矩阵进行稀疏约束,并将它们整合于单个目标函数中。构造了一个有效的乘积更新算法,并且在理论上证明了该算法的收敛性。在ORL和MIT-CBCL人脸数据库上的实验表明了该算法的有效性。 展开更多

关键词 非负矩阵 图正则化 稀疏编码

在线阅读 下载PDF 职称材料

基于稀疏性非负矩阵分解的故障监测方法 被引量：12

16

作者 王帆 杨雅伟 +1 位作者 谭帅 侍洪波 《化工学报》 EI CAS CSCD 北大核心 2015年第5期1798-1805,共8页

提出了基于稀疏性非负矩阵分解(SNMF)的故障监测方法。非负矩阵分解(NMF)是一种新的降维方法,可以得到原始数据的低秩近似矩阵。与传统的多元统计过程监控方法如主成分分析(PCA)相比,NMF对潜变量的性质没有假设,除了非负性的要求。将稀... 提出了基于稀疏性非负矩阵分解(SNMF)的故障监测方法。非负矩阵分解(NMF)是一种新的降维方法,可以得到原始数据的低秩近似矩阵。与传统的多元统计过程监控方法如主成分分析(PCA)相比,NMF对潜变量的性质没有假设,除了非负性的要求。将稀疏编码和非负矩阵分解方法结合在一起,因为施加了稀疏性的约束,稀疏性非负矩阵分解方法可以得到对数据更稀疏的表示。在分解时对低秩近似矩阵进行正交化处理,从而在降维时除去变量中的冗余信息,将信息集中到更少的投影方向上。然后,用SNMF方法来提取过程的潜变量,并定义新的监测指标来进行故障监测。使用核密度估计(KDE)方法来计算新定义的监测指标的控制上限。最后,将提出的基于SNMF的监测方法应用于TE过程来评估其监测性能,并与基于传统NMF和PCA的方法进行比较。仿真实验结果表明了所提出新方法的可行性。 展开更多

关键词 故障监测 非负矩阵分解 主元分析 稀疏编码 统计过程监控

在线阅读 下载PDF 职称材料

基于光谱空间结合的非负稀疏保持嵌入的谱聚类 被引量：1

17

作者 黄小燕 付克昌 +1 位作者 文展 周光霞 《计算机应用研究》 CSCD 北大核心 2015年第6期1917-1920,共4页

为了解决高光谱遥感影像的特征融合问题,针对高光谱数据的维数高、信息量繁杂冗余、非线性而且数据量庞大特点,利用图谱理论非负稀疏保持嵌入的降维方法,提出基于光谱空间结合的非负稀疏保持嵌入的谱聚类进行样本的标记算法,有效地利用... 为了解决高光谱遥感影像的特征融合问题,针对高光谱数据的维数高、信息量繁杂冗余、非线性而且数据量庞大特点,利用图谱理论非负稀疏保持嵌入的降维方法,提出基于光谱空间结合的非负稀疏保持嵌入的谱聚类进行样本的标记算法,有效地利用空间信息和原有光谱信息,提高分类的精度。该算法在引入非负稀疏表示的同时,利用样本的光谱与空间相关信息构建Laplacian图,嵌入投影到低维的子空间,然后再用经典的K均值聚类算法进行分类。算法能够有效保持样本的几何稀疏结构,而且光谱空间信息的结合使得图像的边界像素点得到了更好的分类。 展开更多

关键词 非负稀疏 降维 谱聚类 高光谱图像 拉普拉斯

在线阅读 下载PDF 职称材料

图正则重加权稀疏约束的深度非负矩阵分解算法用于高光谱图像解混

18

作者 蒋永丛 何飞 《中国测试》 CAS 北大核心 2022年第12期154-161,180,共9页

为有效挖掘高光谱图像隐层信息以提升混合像元的分解精度,提出一种图正则的重加权稀疏深度非负矩阵分解算法。算法考虑图像丰度矩阵在局部所具有的浅层图结构信息以及在全局所具有的稀疏特性,通过融合图正则项和基于重加权的稀疏正则项... 为有效挖掘高光谱图像隐层信息以提升混合像元的分解精度,提出一种图正则的重加权稀疏深度非负矩阵分解算法。算法考虑图像丰度矩阵在局部所具有的浅层图结构信息以及在全局所具有的稀疏特性,通过融合图正则项和基于重加权的稀疏正则项及非负矩阵的多层深度结构来提升对混合像元的分解能力。通过乘法更新规则对深度非负矩阵分解算法进行逐层更新以优化全局框架。基于光谱角度距离和均方根误差评价指标,在模拟数据集和真实数据集上的实验显示所提出的算法相比其他典型算法分别有最大约63%和9.7%的解混精度增益。实验证明所提出的图正则重加权稀疏约束的深度非负矩阵分解算法能有效提升高光谱图像的解混精度,更好地服务于国家重大需求。 展开更多

关键词 高光谱图像 图拉普拉斯 重加权稀疏 深度非负矩阵 高光谱图像解混

在线阅读 下载PDF 职称材料

结合Fisher判别分析和稀疏编码的图像场景分类 被引量：9

19

作者 张瑞杰 魏福山 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2015年第5期808-814,共7页

视觉词典法是当前广泛使用的一种图像表示方法,针对传统视觉词典法存在的表示误差大、空间信息丢失以及判别性弱等问题,提出一种基于Fisher判别稀疏编码的图像场景分类算法.首先利用近邻视觉词汇重构局部特征点,构建局部特征点的非负稀... 视觉词典法是当前广泛使用的一种图像表示方法,针对传统视觉词典法存在的表示误差大、空间信息丢失以及判别性弱等问题,提出一种基于Fisher判别稀疏编码的图像场景分类算法.首先利用近邻视觉词汇重构局部特征点,构建局部特征点的非负稀疏局部线性编码,从而有效地利用图像的空间信息;然后在非负稀疏局部线性编码的基础上引入Fisher判别约束准则,构建基于Fisher判别约束的非负稀疏局部线性编码模型,以获得图像的判别稀疏向量表示,增强图像稀疏表示的判别性;最后结合支持向量机(SVM)分类器实现场景分类.实验结果表明,该算法提高了图像稀疏表示的特征分类能力以及分类性能,更有利于场景分类任务. 展开更多

关键词 场景分类 图像表示 非负稀疏局部线性编码 Fisher判别约束准则

在线阅读 下载PDF 职称材料

基于L0范数和稀疏编码的单幅图像超分辨率重建方法 被引量：4

20

作者 张剑 刘萍萍 《电子测量与仪器学报》 CSCD 北大核心 2018年第11期194-201,共8页

基于稀疏编码的方法在单幅图像的超分辨率重建中获得了一定的成功,但是这类方法却存在着重建出错误的边缘和重建的图像块之间差异性的丢失等问题。为了解决这些问题,认为一幅高分辨率图像是由边缘成分和纹理成分两部分组成,提出了一种基... 基于稀疏编码的方法在单幅图像的超分辨率重建中获得了一定的成功,但是这类方法却存在着重建出错误的边缘和重建的图像块之间差异性的丢失等问题。为了解决这些问题,认为一幅高分辨率图像是由边缘成分和纹理成分两部分组成,提出了一种基于L0范数和非局部拉普拉斯稀疏编码的单幅图像超分辨率重建方法。首先,为了能够重建出正确的图像边缘,提出了一种基于L0范数的针对图像边缘的超分辨率重建方法;然后,在纹理成分的超分辨率重建阶段,提出了一种非局部的拉普拉斯稀疏编码(NLSC)来实现图像纹理成分的超分辨率重建;最后,试验结果表明,提出的方法能够有效解决现有方法中存在的问题,获得更高质量的高分辨率图像。 展开更多

关键词 超分辨率重建 边缘结构 纹理成分 L0范数 非局部拉普拉斯稀疏编码

在线阅读 下载PDF 职称材料