基于核拉普拉斯稀疏编码模型的图像分类.pdf

第27 卷 第 10 期 模式识别与人工智能 Vol.27 No.10 2014年10月 PR AI Oct. 2014 基基于核拉普拉斯稀疏编码模型的图像分类* 1 1 1 2 刘 越 彭宏京 钱素静 施 炜 1(南京工业大学 电子与信息工程学院 南京211816) 2(南京机电职业技术学院计算机科学系 南京211135 ) 摘 要 在稀疏词袋模型中,由于码书的过完备性,相似特征间稀疏编码存在多种组合方式,从而导致相似的特征 可能得到完全不同的编码.文中提出基于核拉普拉斯稀疏编码的图像分类方法.该方法首先通过在高维核空间中 构造核拉普拉斯矩阵以描述特征间的几何依赖关系,使相似特征的稀疏编码的相似性尽可能得到保持.再采用交 替固定码书与稀疏矩阵的方法优化目标函数进行码书学习,并采用符号猜测法对特征进行稀疏编码.最后用多类 SVM分类器分类.实验证明文中方法可较大幅度降低量化误差,提高分类准确率,并在多个数据集上取得良好的测 试效果. 关键词 核方法,拉普拉斯矩阵,稀疏编码,图像分类 中图法分类号 TP391.4 Sparse Coding Model Based on Kernel Laplacian for Image Classification 1 1 1 2 LIU Yue ,PENG Hong-Jing ,QIAN Su-Jing ,SHI Wei 1(College of Electronics and Information Engineering,Nanjing Tech University,Nanjing 211816) 2(Department of Computer Science,Nanjing Institute of Mechatronic Technology,Nanjing 211135) ABSTRACT In bag-of-wordswith sparse coding model,similar features can be encoded asvarious sparse coding combinations due to the over-completeness of the codebook, which results in totally different visual words. In this paper, a sparse coding method based on kernel Laplacian for image classification is proposed. Firstly, a Laplacian matrix is constructed to capture geometric dependencies between the features in high-dimensional kernel space,and thus the similarity of sparse coding between the similar features can be maximally p