论文部分内容阅读
针对传统的图像稀疏表示方法只注重提高特征的提取率而忽略了图像的多尺度信息,在对图像稀疏表示的过程中易受噪声干扰,及系统鲁棒性不高等问题,提出了多尺度稀疏表示方法。针对图像底层像素特征不稳定,易受环境影响,且不能反映语义信息等问题,提出利用深度网络具有的高层特征抽取这一能力,将多尺度稀疏表示和深度学习网络结合起来,构建完善的学习框架。实验结果表明,该算法可以提高图像的识别性能,同时增强系统的鲁棒性。