收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

稀疏编码算法及其应用研究

尚丽  
【摘要】:本文所研究的自然图像的稀疏编码(sparse coding,SC)算法(即神经稀疏表示法)是一种模拟哺乳动物视觉系统主视皮层V1区简单细胞感受野的人工神经网络方法,这种方法可以成功模拟V1区简单细胞神经元感受野的三个特性:空间的局部性、方向性和频域的带通性(在不同的空间尺度上具有选择性)。而且,这种方法编码方式的实现仅依靠外界感知信息的统计特性,并不依赖于输入数据的性质,因而是一种自适应的信号统计方法。 目前,稀疏编码技术已被广泛应用于语音信号分离、视觉图像处理、生物DNA微阵列数据分类和模式识别等诸多领域。但是,由于神经生理学家目前对主视皮层V1区的了解仍然知之甚少,所以稀疏编码技术尚处于发展阶段,其在理论和应用方面的研究还有待于进一步深化和完善。 本文首先回顾了初级视觉系统的生物背景知识以及SC问题的发展历史、研究现状和存在问题,并对SC问题进行了简单的数学描述。然后针对一些SC算法和应用问题进行了深入的研究,提出了一些有效的SC方法,并对现有的一些方法做出了相应的改进和完善。全文的主要研究工作可以概括如下: 1、提出了一种扩展的建模主视皮层V1区简单细胞感受野的SC算法。经典的SC算法收敛速度很慢,而且不能同时完全保证系数分量的稀疏性和独立性,其目标函数中也没有保证最大化稀疏性和最小图像重构误差平衡的约束项。针对这些问题,我们使用峭度的绝对值作为系数分量的稀疏性度量标准,可以同时保证系数分量的稀疏性和独立性;同时在目标函数中引入固定系数分量方差项,保证了图像最小重构误差和稀疏性惩罚函数之间的平衡。另外,为了快速地找到最优基向量,我们使用Gabor小波基初始化SC的特征基函数,使得该基函数具有一定的类似V1简单细胞感受野的初始结构,进一步提高了SC网络的收敛速度; 2、基于我们提出的SC模型,为自然图像的特征提取和压缩提供了一种基于视觉信息处理的新途径。传统的图像特征提取方法是建立在数字信息处理和概率统计的基础上,与人眼视觉系统强大而复杂的信息处理能力仍相差甚远,因此,基于视觉特征的自然图像特征提取方法要优于传统的特征提取方法。本文提出的


知网文化
【相似文献】
中国期刊全文数据库 前19条
1 张震;康吉全;平西建;任远;;一种新的自然图像和计算机图形鉴别方法[J];计算机应用与软件;2009年12期
2 刘成;彭进业;;基于多任务学习的自然图像分类研究[J];计算机应用研究;2012年07期
3 徐涛;张立民;张建廷;;基于对象的自然图像层次分割[J];系统仿真学报;2013年09期
4 任艳宏;徐丹;苏鹏宇;;自然图像抠图方法讨论[J];云南大学学报(自然科学版);2007年S2期
5 邱嘉和;朱登明;;基于规范化用户输入空间的自然图像抠图[J];系统仿真学报;2013年10期
6 王学良;李生红;金波;张爱新;朱彤;;一种用于计算机生成图像与自然图像鉴别的改进方法[J];光电子.激光;2010年05期
7 张震;任远;平西建;;基于隐马尔可夫模型的自然图像和计算机图形的鉴别[J];数据采集与处理;2009年05期
8 李倩;;自然图像和计算机生成图像检测方法分析[J];无线互联科技;2013年06期
9 孙韶杰;吴琼;李国辉;安强;;基于自然图像统计特性的拼接图像检测算法[J];信号处理;2009年08期
10 杨国庆;崔荣一;;基于纹理特征的自然图像鉴别方法[J];计算机应用研究;2010年07期
11 李玲玲;金泰松;李翠华;李渊;;自然图像中建筑目标提取算法[J];华中科技大学学报(自然科学版);2010年08期
12 薄一航;罗四维;邹琪;;自然图像中目标轮廓上显著边缘检测的计算模型[J];模式识别与人工智能;2010年06期
13 曾孝平;李金枝;刘国金;;基于RWR的自然图像抠图[J];计算机工程与应用;2010年25期
14 张震;杨宇豪;;基于Benford模型的自然图像与计算机生成图像的鉴别[J];北京工业大学学报;2013年06期
15 侯玉婷;彭进业;郝露微;王瑞;;基于KNN的特征自适应加权自然图像分类研究[J];计算机应用研究;2014年03期
16 林生佑;潘瑞芳;杜辉;石教英;;数字抠图技术综述[J];计算机辅助设计与图形学学报;2007年04期
17 张震;边玉琨;平西建;康吉全;;基于统计量的计算机图形检测模型[J];计算机工程;2009年15期
18 潘晓声,黄继风;基于Kernel Fisher Discriminant的JPEG文件隐形信息检测算法[J];微计算机应用;2005年05期
19 ;[J];;年期
中国博士学位论文全文数据库 前6条
1 谭郁松;自然图像处理理论和方法研究[D];国防科学技术大学;2004年
2 姚聪;自然图像中文字检测与识别研究[D];华中科技大学;2014年
3 石蕴玉;自然图像的客观质量评价研究[D];上海大学;2012年
4 李作进;基于视觉认知的自然图像目标识别研究[D];重庆大学;2010年
5 王哲;基于初级视觉机制的图像编码模型研究[D];北京交通大学;2011年
6 尚丽;稀疏编码算法及其应用研究[D];中国科学技术大学;2006年
中国硕士学位论文全文数据库 前6条
1 张东;自然图像统计在图像处理领域的应用[D];浙江大学;2013年
2 龚敏;自然图像抠像的几种新方法[D];湖南大学;2013年
3 郭克;自然图像和计算机生成图像检测方法研究[D];宁波大学;2012年
4 侯玉婷;基于SVM-KNN的特征自适应加权自然图像分类研究[D];西北大学;2014年
5 李永强;基于视觉机理的特征整合模型研究及应用[D];郑州大学;2011年
6 郑燕双;基于高阶统计量的合成图像鉴别方法[D];上海交通大学;2009年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978