基于稀疏表示的多示例图像分类

被引:8
作者
宋相法 [1 ,2 ]
焦李成 [2 ]
机构
[1] 河南大学计算机与信息工程学院
[2] 西安电子科技大学智能感知与图像理解教育部重点实验室
关键词
图像分类; 多示例学习; 稀疏表示;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
为了有效地解决多示例图像分类问题,基于稀疏表示提出了一种新的多示例图像分类方法。该方法将图像看作多示例包,图像中的区域作为包中示例,利用示例嵌入策略计算包特征;然后将待分类图像包特征表示为训练图像包特征集上的稀疏线性组合,利用1优化方法求得稀疏解;最后根据稀疏系数提出一个为待分类图像预测标记的方法。在Corel数据集上的实验结果表明,与其他方法相比,所提方法具有更高的分类精度。
引用
收藏
页码:293 / 296
页数:4
相关论文
共 15 条
[1]   基于K近邻稀疏编码均值约束的人脸超分辨率算法 [J].
黄克斌 ;
胡瑞敏 ;
韩镇 ;
卢涛 ;
江俊君 ;
王锋 .
计算机科学, 2013, 40 (05) :271-273+295
[2]   局部特征与多示例学习结合的超声图像分类方法 [J].
丁建睿 ;
黄剑华 ;
刘家锋 ;
张英涛 .
自动化学报, 2013, 39 (06) :861-867
[3]   基于图像边界特征的人体寄生虫虫卵形状分类算法研究 [J].
李峰 ;
孙启艳 .
计算机科学, 2012, 39 (05) :261-265
[4]   一种基于稀疏编码的多核学习图像分类方法 [J].
亓晓振 ;
王庆 .
电子学报, 2012, 40 (04) :773-779
[5]   基于稀疏表示及光谱信息的高光谱遥感图像分类 [J].
宋相法 ;
焦李成 .
电子与信息学报, 2012, 34 (02) :268-272
[6]   半监督多示例核 [J].
张钢 ;
印鉴 ;
程良伦 ;
钟钦灵 .
计算机科学, 2011, 38 (09) :220-223+236
[7]   基于自适应脊波网络的高光谱遥感图像分类 [J].
孙锋利 ;
何明一 ;
高全华 .
计算机科学, 2011, 38 (08) :260-264
[8]   用于图像场景分类的空间视觉词袋模型 [J].
王宇新 ;
郭禾 ;
何昌钦 ;
冯振 ;
贾棋 .
计算机科学, 2011, 38 (08) :265-268
[9]   压缩感知回顾与展望 [J].
焦李成 ;
杨淑媛 ;
刘芳 ;
侯彪 .
电子学报, 2011, 39 (07) :1651-1662
[10]   基于EMD距离的多示例聚类 [J].
李展 ;
彭进业 ;
温超 .
计算机科学, 2011, 38 (07) :235-239