基于二维随机映射和一范数优化的有监督图像分类研究

项目名称： 基于二维随机映射和一范数优化的有监督图像分类研究

项目编号： No.61152004

项目类型： 专项基金项目

立项/批准年度： 2012

项目学科： 金属学与金属工艺

项目作者： 廖亮

作者单位： 中原工学院

项目金额： 15万元

中文摘要： 随着图像采集和传感器分辨率的不断攀升，图像识别要处理的数据维数越来越高，从而导致计算复杂度飙升，而高维数据分布的非线性和非凸性也使得有效识别变得异常困难。针对该问题，特征提取和非线性分类器的设计至关重要。而传统的方法通常是将图像变换成向量后再提取特征和识别的。针对这种"一维向量化"的缺点，本研究利用压缩感知和稀疏表示理论对图像进行二维压缩采样，并设计针对压缩图像的二维非线性分类器。（1）提出用于图像特征提取的二维随机映射方法，降维图像保持矩阵结构,并可用一范数优化技术重建原始图像。和传统方法相比，采样和重建的计算复杂度显著降低。（2）提出一种基于二维稀疏表示的有监督图像分类器。图像的分类由训练集和一个重建的稀疏矩阵确定。稀疏矩阵的重建利用一范数优化技术完成。与稀疏向量相比，稀疏矩阵包含结构信息，而且重建的计算复杂度也更低,同等条件下基于该方法的识别率和稳定性优于一维方法。

中文关键词： 稀疏表示；二维随机映射；一范数优化；受限子空间；本征维数估计

英文摘要：

英文关键词： Sparse representation；2D random projection；L1-norm optimization；Constrained subpace；Intrinsic dimension estimation