基于稀疏模型的模式识别应用

《基于稀疏模型的模式识别应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、创新性声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确地说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切相关责任。本人签名：垫笙日期．尘!!：塾，关于论文使用授权的说明本人完全了解西安电子科技大学有关保留

2、和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。本人签名：导师签名：≠；乏日期：丝丛i：![日期-尘!!!!．矿摘要4IIIIIIUlllllllIIIIIIlY2379912科学技术的不断发展推动着一个又一个信息时代的到来，如今的智能时代已经和人们的生活息息

3、相关。图像作为信息的载体，在智能时代发挥着重要的作用。图像识别作为模式识别的重要应用之一，是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。通信手机终端或者安防监控终端所需要的人脸识别以及地理学中的遥感图像的分类技术等均属于模式识别的范畴。本文主要围绕字典及稀疏表示相关理论方法对模式识别相关问题进行探讨和研究，旨在探索稀疏概念在模式识别问题中的理论背景和具体应用，并进行稀疏表示框架下的改进方案和应用，总结如下：1．提出了基于能量贡献字典学习的分类方法。该字典学习模型根据字典的不同子字

4、典对训练样本对具有悬殊的能量贡献这一事实，对特征提取和分类器设计两个关键因素进行约束和求解，学习出的字典可使得表示出来的测试样本在分类器下得到更好的分类结果。实验表明，该字典学习模型对人脸图像、纹理图像等具有良好的识别效果，同时针对小样本问题具有更好的处理能力。2．提出了基于局部协同表示的高光谱图像分类方法。本方法基于两个事实进行，其一是高光谱图像邻域内的样本共属同一地物的特点，其二是训练样本的选取是基于字典的分类方法十分重要的环节。局部协同表示通过对测试样本的协同表示选择对分类有利的训练样本进行二次协同表示。

5、实验表明，该方法不仅能够有效地进行高光谱图像的分类任务，且具有很强的可操作性和良好的分类结果。3．提出了基于稀疏逼近的SAR图像变化检测方法。图像的变化检测实际是对同一地理坐标的像素点不同时相的信息进行识别，判断该像素点属于变化或非变化的类别。本方法假设相对于图像中的全部像素点，变化的像素点数目是较少的，而非变化的像素点具有较强的线性相关性。实验表明。通过低秩和稀疏矩阵分解，能够得到不同时相SAR图像的差值图，进而获得良好的检测结果。本论文工作得到了国家自然科学基金(NO．60703109，60972148)和

6、中央高校基本科研业务费(No．K50510020023，JYl0000902001，JYl0000902043)资助。关键词：字典学习稀疏表示协同表示图像识别多光谱图像分类SAR图像变化检测AbstractIiiWiththedevelopmentofscienceandtechnology,informationerasarecomingonebyone．Thesmarterahasbeenrelatedwiththedailylifecloselynowadays．Asoneoftheimportantap

7、plicationinpatternrecognition，imageclassificationemploysthecomputerinimageprocessing，analysisandunderstandingtoidentifydifferentkindsoftargetsandobjectsofthemodels．PaUernrecognitionincludesfacerecognitioninmobilephoneandentranceguardsystem，clusterandclassifi

8、cationtaskinremotesensingimageandotherclassificationtasks．Thispaperaddressestheproblemofpatternrecognitionbasedonthedictionaryandconceptofsparsenesstoanalysethetheoryandbackgroundofsparseness．Be