基于信息熵的稀疏概念編碼及其在圖像分類中的應用.pdf

1、圖像分類作為計算機視覺領域的重要研究方向之一，既能獲取圖像中的關鍵信息，又能給出正確的判斷，該技術的發(fā)展對現(xiàn)實的工作生活及社會的發(fā)展都具有重要的意義。圖像分類由20世紀70年代初期提出的人工手動進行文本標注的方法，發(fā)展到20世紀90年以來，稀疏表示逐漸進入人們的視野。本文主要針對圖像的稀疏表示展開研究，通過對稀疏概念編碼進行優(yōu)化，提出了兩種改進的稀疏概念編碼表示方法并應用于圖像表示與分類。具體工作如下:
　　1.提出了一種基于信息

2、熵的稀疏概念編碼方法(ESC)，該方法嵌入了數(shù)據(jù)的信息熵判別信息。在數(shù)據(jù)映射過程中，利用迭代的方式自適應地估計出最優(yōu)尺度參數(shù)σ，克服了人工調整尺度參數(shù)σ的缺點;根據(jù)最優(yōu)尺度參數(shù)σ求得相似度矩陣，解出其對應特征向量;最后通過基向量學習和稀疏表示學習對樣本進行表示與分類。實驗驗證了所提方法通在圖像分類上的有效性。
　　2.為了充分利用樣本的類別信息，提出了基于加權信息熵的稀疏概念編碼(WESC)。該方法將類別可分性判據(jù)與信息熵相結合，