面向圖像識別的稀疏表示及其套用研究

《面向圖像識別的稀疏表示及其套用研究》是依託湖南大學，由李樹濤擔任項目負責人的面上項目。

基本介紹

• 中文名：面向圖像識別的稀疏表示及其套用研究
• 項目類別：面上項目
• 項目負責人：李樹濤
• 依託單位：湖南大學

中文摘要

稀疏表示理論有效地利用了圖像的內在稀疏特性，更符合人類的視覺感知機理，近年來受到了廣泛關注，為提高圖像處理和模式識別性能帶來了新的機遇。儘管現有稀疏表示理論在圖像識別方面取得了初步的研究成果，但是由於沒有考慮過完備字典的具體任務特性、圖像的空間信息以及稀疏表示的非正交特性，還有一些沒有解決的關鍵問題和很大的性能提升空間。.本項目將深入研究面向圖像識別的稀疏表示理論，包括研究針對圖像識別任務的過完備字典構建及其冗餘度最佳化方法；設計新型圖像距離，提高稀疏表示圖像識別的魯棒性；建立非正交稀疏表示空間的圖像特徵提取理論，提高基於稀疏表示的圖像識別精度；建立不同缺損類型與圖像稀疏特性的關係模型，解決缺損圖像識別的難題。本項目將促進圖像稀疏表示理論和圖像識別技術的發展，具有重要的理論意義和套用價值。

結題摘要

稀疏表示理論有效地利用了圖像的內在稀疏特性，更符合人類的視覺感知機理。近年來稀疏表示受到了廣泛關注，為提高圖像處理和模式識別性能帶來了新的機遇。本項目深入挖掘遙感圖像、車輛圖像以及人臉圖像的結構特性，研究提出面向圖像識別的稀疏表示方法。研究成果如下：（1） 在遙感SAR圖像識別方面，針對傳統稀疏表示SAR圖像識別算法計算複雜度高、計算速度慢的問題，提出了一種基於決策融合的快速稀疏表示圖像識別方法，與傳統的稀疏表示SAR圖像識別方法相比，在識別速度提升3倍的同時，識別準確率提升了3%；（2） 在遙感高光譜圖像地物識別方面，針對識別中的同物異譜、同譜異物的問題，提出了形狀自適應稀疏表示、多尺度稀疏表示和超像素稀疏表示識別方法，與傳統基於稀疏表示識別方法相比，所提出方法均能將識別精度提升4%，實現了高光譜圖像地物的精確識別；（3）在車輛圖像檢測識別方面，針對交通場景複雜的問題，提出了一種元素和結構聯合稀疏特徵的目標檢測方法，相比於基於局部形狀特徵的識別方法，所提出方法能將識別精度提升5%；（4） 在人臉圖像識別和跟蹤方面，針對噪聲、遮擋等干擾嚴重的問題，提出了多特徵自適應稀疏表示和全局-局部聯合稀疏表示的識別與跟蹤方法，相比於傳統的稀疏表示人臉識別與跟蹤方法，所提出方法能在將識別與跟蹤精度提升12%以上。研究成果促進了圖像稀疏表示理論和圖像識別技術的發展，在對地觀測、安全監控和智慧型交通等領域具有重要的套用價值。