基于核拉普拉斯稀疏编码的图像分类  

Kernel Laplacian sparse coding for image classification

作　　者：张立和[1] 潘磊[1] 刘涛[1] 马臣[1] 

机构地区：[1]大连理工大学信息与通信工程学院,辽宁大连116024

出　　处：《大连理工大学学报》2015年第2期192-197,共6页Journal of Dalian University of Technology

基　　金：国家自然科学基金资助项目(61371157)

摘　　要：使用稀疏编码解决计算机视觉问题可以取得良好的效果.然而,以往的稀疏编码都是在原始特征空间进行.受核方法可以获得特征的高维非线性映射的启发,扩展了拉普拉斯稀疏编码(LSc),提出了核拉普拉斯稀疏编码(KLSc),它可以降低特征量化误差,增强稀疏编码的性能.在3个标准数据集上的实验结果表明,所提出的基于KLSc的图像分类算法具有良好的分类效果,分类正确率优于LSc.Sparse coding can achieve good performance in some computer vision problems.However, past sparse coding was implemented in the original feature space.Kernel method can acquire high dimensional nonlinear mapping characteristics.Inspired by it,the Laplacian sparse coding （LSc）is extended,and the kernel Laplacian sparse coding （KLSc）is proposed.It can reduce the feature quantization error and enhance the sparse coding performance.Experimental results of three standard datasets show that the proposed image classification algorithm based on KLSc has good classification effect,and the correct classification rate is better than that of LSc method.

关 键 词：图像分类 稀疏编码 拉普拉斯稀疏编码 核方法 空间金字塔匹配(SPM) 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]