计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2013年
3期
656-659
,共4页
快速稀疏编码%最小二乘法%L1范数%L2范数%特征提取%图像重构
快速稀疏編碼%最小二乘法%L1範數%L2範數%特徵提取%圖像重構
쾌속희소편마%최소이승법%L1범수%L2범수%특정제취%도상중구
考虑图像特征系数的最大化稀疏分布和特征基的正交性,在快速稀疏编码(FSC)模型的基础上,提出一种改进的FSC模型.该模型利用迭代法解决了基于L1范数的归一化最小二乘法和基于L2范数的约束最小二乘法的凸优化问题,能够实现完备基和过完备基的学习,有效提取出图像的最佳特征,且比标准稀疏编码(BSC)模型的收敛速度快.分别利用自然场景图像和掌纹图像作为训练数据进行特征提取测试,并进一步利用提取的特征基进行图像重构实验,同时与BSC模型的图像重构结果进行对比,实验结果证实了所提出的改进FSC模型能够快速、有效地实现图像的特征提取.
攷慮圖像特徵繫數的最大化稀疏分佈和特徵基的正交性,在快速稀疏編碼(FSC)模型的基礎上,提齣一種改進的FSC模型.該模型利用迭代法解決瞭基于L1範數的歸一化最小二乘法和基于L2範數的約束最小二乘法的凸優化問題,能夠實現完備基和過完備基的學習,有效提取齣圖像的最佳特徵,且比標準稀疏編碼(BSC)模型的收斂速度快.分彆利用自然場景圖像和掌紋圖像作為訓練數據進行特徵提取測試,併進一步利用提取的特徵基進行圖像重構實驗,同時與BSC模型的圖像重構結果進行對比,實驗結果證實瞭所提齣的改進FSC模型能夠快速、有效地實現圖像的特徵提取.
고필도상특정계수적최대화희소분포화특정기적정교성,재쾌속희소편마(FSC)모형적기출상,제출일충개진적FSC모형.해모형이용질대법해결료기우L1범수적귀일화최소이승법화기우L2범수적약속최소이승법적철우화문제,능구실현완비기화과완비기적학습,유효제취출도상적최가특정,차비표준희소편마(BSC)모형적수렴속도쾌.분별이용자연장경도상화장문도상작위훈련수거진행특정제취측시,병진일보이용제취적특정기진행도상중구실험,동시여BSC모형적도상중구결과진행대비,실험결과증실료소제출적개진FSC모형능구쾌속、유효지실현도상적특정제취.
