過完備字典自適應最佳化理論及套用研究

《過完備字典自適應最佳化理論及套用研究》是依託深圳大學，由沈琳琳擔任項目負責人的面上項目。

基本介紹

• 中文名：過完備字典自適應最佳化理論及套用研究
• 項目類別：面上項目
• 項目負責人：沈琳琳
• 依託單位：深圳大學

項目摘要

申請人主持的青年科學基金項目在過完備字典設計和稀疏表示求解算法等領域進行了深入研究，在國際權威期刊和會議上發表學術論文25篇（SCI論文9篇、EI論文19篇）。研究工作發現基於二維/三維Gabor函式的字典存在原子數量龐大、計算複雜以及缺乏自調節機制等問題。.針對上述問題，本項目重點研究過完備字典中的原子篩選和最佳化策略，探索將字典引入稀疏表示求解的目標函式來進行自適應調整，提高目前生物啟發式最佳化算法的全局搜尋能力，最終實現對噪聲不敏感、計算量小、準確和高效的多光譜圖像分類系統。項目最終將尋求把研究成果套用到高光譜遙感圖像中的地物分類、多光譜乳腺切片圖像中的癌細胞診斷以及高光譜人臉識別等問題。.項目涉及模式識別、智慧型最佳化、遙感和醫學等不同學科領域，對於生命健康、疾病診斷和地球環境監測具有非常重要的研究意義。

結題摘要

該項目是申請人青年基金項目的延續，針對青年基金項目中發現的三維Gabor特徵數量龐大、採用該字典進行圖像表示求解計算量大等缺點，項目組研發了三維Gabor特徵選取，字典構成以及最佳化方法，對三維Gabor特徵抽取理論與機理進行了深入研究，並對向量方式拼接的三維Gabor特徵字典和稀疏協同表示的結合進行了探索。 項目組深入研究了Gabor原子在空域、譜域以及空間-光譜域同時提取信號變化特性的方法，探索了基於生物啟發式最佳化算法的三維Gabor特徵選擇和篩選方法，在稀疏表示求解中自適應調整字典，量化比較了各種方案的優劣，針對具體識別問題通過最佳化字典減少了其對特徵提取的負面影響；最後將上述研究成果套用於高光譜遙感圖像，研發了快速、高效、準確的高光譜遙感圖像分類算法。項目團隊首先提出了基於三維Gabor特徵字典的高光譜遙感圖像分類系統，將各個方向、尺度提取的Gabor特徵獨立設計字典，然後通過聯合稀疏表示的框架進行識別。同時，我們還通過L2代替L1的方法來加快稀疏求解過程，從而大大提高三維Gabor特徵字典分類系統的效率。針對三維Gabor特徵數量龐大、採用該字典進行圖像表示求解計算量大等缺點，研究團隊提出了一個基於生物進化Memetic 算法的特徵選擇方法去減少特徵維度，以減少該字典用於高光譜圖像分類的複雜度。該系統通過預先設計的適應函式以及局部裁剪對原始的Gabor特徵進行篩選，從而降低其冗餘。針對圖像分類中存在的各種數據變化，團隊提出了包含多種基本特徵模式的模式字典；針對數據編碼的局部性破壞問題，提出了基於局部性保持的核字典與分類器聯合學習方法；同時對分析字典與合成字典的聯合學習理論與套用進行了深入研究。