一种基于低秩描述的图像集分类方法

基于低秩矩阵分解和协作表示的人脸图像分类
阴亚芳;李倩;廖延娜
【期刊名称】《西安邮电学院学报》
【年(卷),期】2015(020)001
【摘要】为了降低干扰因素对人脸识别准确率的影响,提出一种基于低秩矩阵分解和协作表示的人脸图像分类算法.针对噪声阴影影响,使用鲁棒主分量分析(RPCA)对人脸数据进行低秩矩阵分解,去除干扰,得到较为干净的人脸图像.通过协作表示分类方法对经RPCA处理后的低秩分量图像进行分类,通过归一化的最小重构误差来判定测试样本的具体类标.在3个人脸数据集上对算法性能进行仿真测试,结果表明,该算法在10％到50％的标记率下较其他算法均能提升分类识别率.
【总页数】5页(P70-74)
【作者】阴亚芳;李倩;廖延娜
【作者单位】西安邮电大学电子工程学院,陕西西安710121;西安邮电大学电子工程学院,陕西西安710121;西安邮电大学理学院,陕西西安710121
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于Gabor低秩恢复稀疏表示分类的人脸图像识别方法 [J], 杜海顺;张旭东;金勇;侯彦东
2.基于矩阵分解和非凸秩近似的低秩表示算法 [J], 李帅
3.基于低秩稀疏分解与协作表示的图像分类算法 [J], 张旭;蒋建国;洪日昌;杜跃
4.基于低秩矩阵分解和协作表示的人脸图像分类 [J], 阴亚芳;李倩;廖延娜;
5.基于约束低秩表示模型的联合半监督分类算法 [J], 张雷杰;彭勇;孔万增
因版权原因，仅展示原文概要，查看原文内容请购买。

基于低秩逼近的彩色图像分割方法张琦;陈金勇【摘要】针对谱聚类算法存在的计算复杂度过高而难以成功应用到较大规模图像处理的问题,提出基于低秩逼近的彩色图像分割算法(Color Image Segmentation algorithm based on Low Rank Approximation,CISCLRA),实现大规模矩阵的快速特征值分解,降低了谱聚类算法的计算复杂度.设计一种将Mean Shift(MS)算法和CISCLRA相结合的图像分割算法——MS-CISCLRA算法.MS-CISCLRA算法利用MS算法对目标图像进行预分割;将每个分割区域内的所有像素的彩色向量平均值作为CISCLRA算法的输入;应用CISCLRA算法进行全局最优聚类.因为分割区域的数目远小于图像的像素点数,所以MS-CISCLRA算法能够以极低的复杂度进行彩色图像分割.实验结果表明,MS-CISCLRA算法能够取得比MS-Ncut算法更好的图像分割效果.【期刊名称】《无线电工程》【年(卷),期】2016(046)006【总页数】4页(P30-33)【关键词】特征值分解;低秩逼近;谱聚类;彩色图像分割【作者】张琦;陈金勇【作者单位】中国电子科技集团公司航天信息应用技术重点实验室, 河北石家庄050081;中国电子科技集团公司航天信息应用技术重点实验室, 河北石家庄050081【正文语种】中文【中图分类】TP391.41图像分割是计算机视觉中的关键问题，广泛应用于通信、军事、遥感图像分析、医学诊断、智能交通、农业现代化以及工业自动化等诸多领域[1]。

目前，应用于图像分割的聚类算法主要有K-means算法[2]、FCM算法[3]、层次聚类算法[4]、AP算法[5]、Means Shift算法[6]和谱聚类算法[7]等。

文献[8]提出基于Nyström逼近的谱聚类算法(NYSC)。

文献[9]提出了一种基于低秩逼近技术的内核算法(KBLA)，KBLA算法不仅逼近误差较小，而且不需要为不同的数据选择不同形式的核函数，但它在执行效率和逼近误差两方面还有待改进。

基于低秩稀疏分解与协作表示的图像分类算法
张旭;蒋建国;洪日昌;杜跃
【期刊名称】《计算机科学》
【年(卷),期】2016(043)007
【摘要】目前,大部分图像分类算法为了获取较高的性能均需要充分的训练学习过程,然而在实际应用中,往往存在训练样本不足及过拟合等问题.为了避免上述问题出现,在朴素贝叶斯最近邻分类算法的原理框架下,基于非负稀疏编码、低秩稀疏分解以及协作表示提出一种非参数学习的图像分类算法.首先,基于非负稀疏编码和最大值汇聚操作表示图像信息,并构建具有低秩性质的同类训练图像集的局部特征矩阵;其次,采用低秩稀疏分解结合别类标签信息构建两类视觉词典以充分利用同类图像的相关性和差异性;最后基于协作表示表征测试图像并进行分类决策,实验结果验证了所提算法的有效性.
【总页数】6页(P83-88)
【作者】张旭;蒋建国;洪日昌;杜跃
【作者单位】合肥工业大学计算机与信息学院合肥230009;陆军军官学院计算机教研室合肥230031;合肥工业大学计算机与信息学院合肥230009;合肥工业大学计算机与信息学院合肥230009;陆军军官学院控制工程教研室合肥2300313【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于低秩矩阵分解和协作表示的人脸图像分类 [J], 阴亚芳;李倩;廖延娜
2.基于低秩矩阵分解和协作表示的人脸图像分类 [J], 阴亚芳;李倩;廖延娜;
3.基于矩阵低秩稀疏分解的图像去噪算法 [J], 王雪; 靳伍银
4.基于低秩稀疏分解优化的图像标签完备 [J], 孟磊; 张素兰; 胡立华; 张继福
5.基于联合低秩稀疏分解的红外与可见光图像融合 [J], 王文卿;马笑;刘涵
因版权原因，仅展示原文概要，查看原文内容请购买。

基于稀疏低秩描述的图像检索方法
陈刚;岳晓冬;陈宇飞
【期刊名称】《计算机科学》
【年(卷),期】2014(041)003
【摘要】使用颜色、形状、纹理等特征的基于内容的图像检索技术,将图像看作向量空间中的点,通过计算两点之间的某种距离来衡量图像间的相似度,然而在提取图像特征时相同类型的图像会出现不一致的特征,极大地影响了检索算法的准确率.针对该问题,提出一种稀疏低秩描述的多特征图像检索方法.通过对图像集的稀疏低秩描述,保持了相同类别特征的全局结构,同时也降低了对于局部噪声的敏感度,增强了检索算法的鲁棒性.在Corel图像集上的检索实验结果表明,该方法较已有的基于内容的图像检索方法有更好的检索效果.
【总页数】4页(P302-305)
【作者】陈刚;岳晓冬;陈宇飞
【作者单位】同济大学企业数字化技术教育部工程研究中心上海200092;上海大学计算机工程与科学学院上海200444;同济大学企业数字化技术教育部工程研究中心上海200092
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于低秩矩阵与稀疏约束的运动模糊图像盲复原 [J], 鱼轮;韩美林
2.基于加权块稀疏联合非凸低秩约束的高光谱图像去条带方法 [J], 袁宇丽;吕俊瑞;罗学刚
3.基于低秩和稀疏模型的高光谱图像快速去噪方法 [J], 杨垚;黄聪;王华军
4.基于全局稀疏梯度与低秩张量正则化的多源多波段图像融合方法 [J], 黄志忠;潘汉
5.基于稀疏表示和低秩矩阵逼近的图像去噪算法的研究 [J], 卢文锋;佀同光;韩国勇因版权原因，仅展示原文概要，查看原文内容请购买。