基于多通道的分層特征提取的圖像識別.pdf

1、圖像識別在模式匹配、計算機視覺、機器學習等研究領域都是一個熱門的研究課題。經(jīng)過多年的研究發(fā)展，圖像識別領域已經(jīng)形成了許多成熟的技術(shù)并且被廣泛應用到遙感、航拍、車牌識別及監(jiān)控等各個領域。在復雜的現(xiàn)實世界中，人們拍攝的許多圖像都包含著多種維度的信息，比如輪廓，大小，視角，光照條件，場景布局等。如果圖像識別主要關(guān)注的是對圖像中對象的識別，那么圖像中的光照、場景等信息就變成了干擾信息。當這些干擾信息太多的情況下，提取圖像中的所需的有效特征就變的

2、尤為困難。因此如何才能在提取圖像的有效特征時不受干擾信息的影響，就變成了計算機視覺中是一個非常重要的問題。
　　針對上述問題，本文提出了一種多通道下的分層特征提取算法，減輕了干擾信息對圖像特征提取的影響，提高了算法識別率。本文的主要工作包括:
　　(1)研究發(fā)現(xiàn)現(xiàn)有的字典學習算法K-SVD容易出現(xiàn)過擬合的現(xiàn)象，因此在K-SVD算法中引入相干性參數(shù)，降低了學習得到的字典中原子的相關(guān)程度，提升了字典的表述能力。實驗結(jié)果表明，識別

3、率比優(yōu)化前提高2％-4％，Matlab和C-MEX混合編程的效率是Matlab版的23倍以上。
　　(2)分析了當前圖像特征提取過程中比較主流的稀疏編碼算法，對比匹配追蹤算法和正交匹配追蹤算法的優(yōu)劣。然后將卷積網(wǎng)絡中的空間金字塔池化應用到稀疏編碼中，以降低了計算復雜度。
　　(3)設計了多種通道對圖像進行特征提取，即將圖像按照不同的尺寸進行分割，每種分割方案（通道）在經(jīng)過多層的特征提取后得到圖像的特征向量。然后對不同通道的特