稀疏表示和正则化方法在图像语义分析中的应用研究

Image semantic analysis is the key technologies for object recognition and image understanding. We will base on the latest research advances in the cross fileds of pattern recognition, machine learning, computer vision, focus on some key problems of sparse representation and regularization method application to image semantic analysis, investigates the way to find the solutions in this project. The regularization techinique and the method of regularization parameter selection in the sparse modeling will be studied under the framework of Minimal descrition length (MDL) principle; On the basis of these studies, the sparse models are constructed by combining the discriminitive information and inner properties of dictionary and image semantic analysis model based on mixture matrix normal distribution is developed.Finally, a prototype system of image semantic analysis will be developed further by integrating the related reaearch results and technique, and the system will be used to verify the effectiveness of developed theory as well as algorithms.

图像语义分析是物体识别与图像内容理解中的关键技术。本项目将在模式识别、机器学习、计算机视觉等交叉领域最新研究进展基础上，针对稀疏表示和正则化技术应用到图像语义分析所面临的一些关键问题，深入研究其解决方案。基于最小描述长度（MDL）原理框架，研究稀疏建模中的正则化技术和正则化参数选择方法；在此基础上，结合标记样本的判别信息和字典的内部性质，构建适用于图像语义分析的稀疏模型；以及发展基于混合矩阵正态分布的图像语义分析模型。通过集成相关研究成果和技术，完善图像语义分析原型系统，验证所发展的理论和算法的有效性。

本项目深入研究研究了稀疏建模中的正则化技术和正则化参数选择方法。基于计算智能的理论与方法，提出了一系列针对图像语义分析的问题的解决方案。在图像标注、图像特征提取、图像去噪、图像识别、图像复原、图像融合、图像校正、图像拼接、图像分割等应用进行了验证并取得了较大的进展。提出了基于伪逆学习的稀疏自编码器的快速训练方法；提出了快速增量学习和低秩自编码器快速学习算法。继续研究了应用于天文大数据处理与分析的问题，将所发展的方法与技术成功应用到光谱图像畸变校正、天文图像聚类、天文图像变源检测等方面。此外，为探索构建图像语义分析处理系统平台时的工程问题，还研究了软件相关的问题，提出了软件故障预测和软件抗衰问题的解决方案。