论文部分内容阅读
随着计算机网络和多媒体技术的迅速发展,图像作为信息传播的重要载体,使得人类对事物的认知趋于简捷化。但面对海量图像数据时,如何对其进行高效分析和管理,已经成为亟待解决的问题。图像分类成为解决这类问题的基本途径,并被广泛应用于医学图像分析、基于内容的图像检索、网络图像搜索、基于手势的人机交互界面及机器人视觉等方向。图像分类中极具挑战性的任务是如何使计算机准确分辨图像各类间的相似性和类内差异性,而获取有效的图像表示则是其中的关键因素。因此,本文将探索用于深度结构的训练策略,围绕图像特征的提取过程,构建不同的分层稀疏表示模型。主要工作和创新点包含以下几个方面:(1)由于深度学习在计算机视觉和机器学习中的高速发展,特征表示对人工设计描述子的依赖正在减弱。而传统的判别式字典学习算法依然采用基于尺度不变特征变换(Scale Invariant Feature Transform,SIFT)描述子的空间金字塔特征进行相应的稀疏编码。因此,本文提出一种完全自动建立在图像原始像素基础上的分层特征学习结构,利用带有标签一致性约束的K-SVD(Label Consistent K-SVD,LC-KSVD)算法对已获取的图像特征训练判别式字典和最优的线性分类器。针对不同类型的图像数据集,该算法仅提取灰度或RGB类型图像块,在稠密采样后,使用高效的正交匹配追踪(Orthogonal Matching Pursuit,OMP)编码器得到分层的稀疏表示。因为结合了分层特征学习和有监督字典学习的优势,提出的算法明显提高了图像分类准确率。(2)针对非负正交匹配追踪(Non-negative OMP,NOMP)的编码效率问题,本文研究了快速非负正交匹配追踪(Fast NOMP,FNOMP)并将其应用于基于分层特征学习的全尺寸图像分类任务中,该算法可利用QR分解和系数迭代进行加速。将FNOMP与非监督式的分层训练方式进行结合后,仅利用gain-shape矢量量化作为字典学习方法,在稀疏编码阶段,FNOMP不仅明显比NOMP编码器更为高效,而且在图像分类准确率上优于基于OMP的算法。实验同时证明了该算法相对其它先进算法表现出更好的分类性能。(3)针对在深度网络中如何学习更优的空间池化策略,本文提出了一种联合可学习感受野的分层稀疏表示算法。该算法利用分类器与池化权重联合优化的方式构造池化算子,可获得更加丰富的基于特征的池化区域集。通过分析取和、取平均和取最大值三种不同类型的预池化方法,并结合编码阶段的稀疏度,字典规模以及感受野尺寸等相关参数的讨论,实验结果证明了所提算法在全尺寸图像分类任务上的有效性。(4)针对基于多核学习(Multiple Kernel Learning,MKL)的图像分类具有高计算复杂度和有效性评价不一致的问题,本文提出了一种基于分层特征级联的核稀疏表示算法。首先,该算法利用批量核正交匹配追踪(Batch Kernel OMP,BKOMP)分别对概率密度函数梯度方向直方图和空间金字塔特征进行单层的核稀疏编码,然后将两类低维核稀疏表示进行级联,再通过基于核方法的KSVD(Kernel K-SVD,KKSVD)学习字典,最后由BKOMP生成最终的核稀疏表示并完成对线性支持向量机的训练。实验证明,当对各层特征选择适当的核函数及相应参数时,由此获取的低维核稀疏表示在多类图像数据集测试中均显著提高了图像分类准确率。