文件名称：用于图像分类的多种表示和稀疏表示
文件大小：896KB
文件格式：PDF
更新时间：2024-04-26 20:04:07
Image classification; Image representation; Sparse
从图像中提取显着特征对于图像分类很重要。 可变形物体遭受多个像素可能具有变化的强度的问题。 换句话说，在物体的训练样本和测试样本的相同位置处的像素通常具有不同的强度，这使得难以获得可变形物体的图像的显着特征。 在本文中，我们提出了一种解决此问题的新颖方法。 我们的方法首先产生原始图像的新表示形式，可以用中等强度的原始图像增强像素并降低其他像素的重要性。 对象的新表示和原始图像在表示对象时是互补的，因此它们的集成能够提高图像分类的准确性。 图像分类实验表明，与仅使用原始图像相比，同时使用建议的新颖表示形式和原始图像可以获得更高的准确性。 特别地，将稀疏表示与所提出的方法相结合可以带来令人惊讶的准确性提高。 精度的最大提高可能大于8。此外，提出的非参数加权融合过程也很有吸引力。 提议的方法的代码可从http://www.yongxu.org/lunwen.html获得。