模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2013, Vol. 26 Issue (2): 129-135    DOI:
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于核稀疏分类与多尺度分块旋转扩展的鲁棒图像识别
匡金骏,熊庆宇,柴毅
重庆大学自动化学院重庆400030
Kernel Sparse Representation Classification and Multi-Scale Block Rotation-Extension Based Robust Image Recognition Method
KUANG Jin-Jun,XIONG Qing-Yu,CHAI Yi
College of Automation,Chongqing University,Chongqing 400030

全文: PDF (623 KB)   HTML (0 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对在图像旋转或局部扭曲变形等复杂情况下的图像识别问题,提出一种基于核稀疏分类与多尺度分块旋转扩展的鲁棒图像识别算法。该算法首先对图像进行多尺度分块与旋转扩展,使得字典能近似测试图像局部的旋转扭曲与各种排列组合。为了增加字典类间稀疏度,改善系统效率,提出一种字典降维策略。通过核随机坐标下降方法高效求解核稀疏分类的凸优化问题,进而通过对比不同类对测试图像的重构误差完成图像识别。实验表明,与经典方法相比,文中方法具有更好的识别效果,对图像旋转或局部扭曲变形等复杂情况具有较好的鲁棒性。
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
Abstract:The random permutations and combinations of local images in image recognition tasks are complex problems. In this paper,an algorithm based on kernel sparse representation classification and multi-scale block rotation-extension (KSRC-MSBRE) is proposed to solve these problems. Firstly,the multi-scale grids are used to segment the training image,and the rotation-extended methods are applied to create a dictionary which adapts to the random permutations and the combinations of local images in test sets. To enhance the sparsity of the dictionary and improve the efficiency of the system,a new strategy is proposed to reduce the dimensions of the dictionary. Then,a kernel random coordinate descent method is proposed to solve the convex optimization problem in the KSRC. The experimental results show the proposed method has robust performance when dealing with the random permutations and the combinations of local images,and it outperforms other classical image recognition methods.
收稿日期: 2012-05-28     
ZTFLH: TP391  
基金资助:国家自然科学基金项目(No.60975022)、国家863计划项目(No.2008AA01Z148)、黑龙江省杰出青年科学基金项目(No.JC200703)资助
作者简介: 匡金骏(通讯作者),男,1984年生,博士研究生,主要研究方向为人工智能、光电目标追踪、机器视觉等.E-mail:kuangjinjun@gmail.com.熊庆宇,男,1963年生,教授,博士生导师,主要研究方向为智能感知、控制与决策等.柴毅,男,1962年生,教授,博士生导师,主要研究方向为信息处理、融合与控制、智能系统理论及其应用等.
引用本文:   
匡金骏,熊庆宇,柴毅. 基于核稀疏分类与多尺度分块旋转扩展的鲁棒图像识别[J]. 模式识别与人工智能, 2013, 26(2): 129-135. KUANG Jin-Jun,XIONG Qing-Yu,CHAI Yi. Kernel Sparse Representation Classification and Multi-Scale Block Rotation-Extension Based Robust Image Recognition Method. , 2013, 26(2): 129-135.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2013/V26/I2/129
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn