基于稀疏性理论的图像特征抽取和识别方法研究

进行该项目研究的目的和意义在于：第一、将人类感知图像的稀疏性机制与模式识别的研究结合起来，力图建立一个基于稀疏表示的图像特征抽取和识别的理论构架，丰富和发展模式识别的理论体系；第二、在技术上设计出具有稀疏性、更具鉴别能力和鲁棒性的图像特征抽取和分类算法，提高计算机对图像的理解和感知能力，为图像自动识别在信息及相关领域的应用提供更好的技术支撑。本项目研究的预期成果是：（1）在深入分析当前稀疏表示和稀疏编码方法和充分大规模试验的基础上，提出一种性能优越、通用性强、计算开销较小的稀疏特征生成方法；（2）为稀疏特征抽取搭建一个融鉴别性与稀疏性于一体的模型框架，并实现对稀疏性自适应调控，设计出具有强鉴别能力的稀疏特征抽取算法；（3）提出一种分类性能好、抗污染能力强、识别速度快的稀疏表示分类方法；（4）建立稀疏性特征抽取和分类的一体化理论和算法框架，使得整个模式识别系统达到最佳的识别性能。

本项目的主要研究进展有（1）探讨了稀疏表示分类器的分类机理，提出了基于局部类样本的稀疏表示分类方法；（2）提出了最近邻准则和稀疏表示分类器引导的鉴别投影方法（SRC-DP）；（3）提出了稀疏的张量鉴别颜色空间模型与方法；(4) 提出了具有鉴别性的稀疏投影理论与方法。发表(及录用)国际SCI期刊论文40篇，国际会议论文26篇。超额完成项目既定的研究目标和任务。