基于改进的快速稀疏编码的图像特征提取

J o u r n a l o f C o mp u t e r Ap p l i c a t i o n s

I S SN 1 o01 . 9 0 81

2 01 3— 0 3一 Ol

计算机应用, 2 0 1 3, 3 3 ( 3 ): 6 5 6— 6 5 9 文章编号: 1 0 0 1—9 0 8 1 ( 2 0 1 3 ) 0 3—0 6 5 6— 0 4

C ODE N J YI I DU

h t t p:// w w w . j o c a . a n

d o i: 1 0 . 3 7 2 4/ S P . J . 1 0 8 7 . 2 0 1 3 . 0 0 6 5 6

基于改进的快速稀疏编码的图像特征提取 尚丽,苏品刚,周燕。 ( 1 .苏州市职业大学电子信息工程学院,江苏苏州 2 1 5 1 0 4; 2 .中国科学技术大学自动化系,合肥 2 3 0 0 2 6; 3 .苏州大学电子信息学院,江苏苏州 2 1 5 0 0 6 ) ( 通信作者电子邮箱 s h a n g l i 0 9 3 0@1 2 6 . e o m)

要:考虑图像特征系数的最大化稀疏分布和特征基的正交性,在快速稀疏编码 ( F S C )模型的基础上,提出一

种改进的 F S C模型。该模型利用迭代法解决了基于范数的归一化最小二乘法和基于 L,范数的约束最小二乘法的

凸优化问题,能够实现完备基和过完备基的学习,有效提取出图像的最佳特征,且比标准稀疏编码 ( B S C)模型的收敛速度快。分别利用自然场景图像和掌纹图像作为训练数据进行特征提取测试,并进一步利用提取的特征基进行图像 重构实验,同时与 B S C模型的图像重构结果进行对比,实验结果证实了所提出的改进 F S C模型能够快速、有效地实现图像的特征提取。 关键词:快速稀疏编码;最小二乘法; 1范数; 2范数;特征提取;图像重构中图分类号: T N 3 9 1 . 4 1文献标志码: A

I ma g e f e a t ur e e x t r a c t i o n b a s e d O i l mo d i ie f d f a s t s p a r s e c o di ng a l g o r i t h m SHANG L i .SU P i n’ g a n g .ZHOU Ya nI .

( 1 . S c h o o l o fE l e c t r o n i c I n f o r m a t i o n E n g i n e e r i n g,S u z h

o u V o c a t i o n a l U n i v e r s i t y,S u z h o u J i a n g s u 2 1 5 1 0 4,C h i n a; 2 . D e p a r t m e n t o fA u t o m a t i o n,U n i v e r s i t y o f S c i e n c e a n d T e c h n o l o g y f o C h i n a,H e f e i A n h u i 2 3 0 0 2 6,C h i n a; 3 . S c h o o l f o E l e c t r o n i c a n d I n f o r ma t i o n,S o o c h o w U n i v e r s i t y,S u z h o u J i a n g s u 2 1 5 0 0 6,C h i n a )

A b s t r a c t:O n t h e b a s i s o f t h e F a s t S p a r s e C o d i n g( F S C )m o d e l,c o n s i d e i r n g t h e m a x i m u m s p a r s e d i s t i r b u t i o n o f f e a t u r e

c o e ic f i e n t s a n d t h e o r t h o g o n a l i t y o f f e a t u r e b a s e s o f a n i ma g e,a Mo d i f i e d F S C( MF S C )m o d e l w a s p r o p o s e d i n t h i s p a p e r . T h i s F S C a l g o i r t h m wa s b a s e d o n i t e r a t i v e l y s o l v i n g t wo c o n v e x o p t i mi z a t i o n p r o b l e ms:L 1一 n o r/ n b a s e d r e g u l a r i z e d l e a s t s q u a r e p r o b l e m a n d L 2一 B O F I T I b a s e d c o n s t r a i n e d l e a s t s q u a r e p r o b l e m, a n d i t c a n r e a l i z e t h e l e a r n i n g o f c o mp l e t e b a s e s a n d o v e r c o mp l e t e b a s e s,a s we l l a s e f f i c i e n t l y e x t r a c t t

h e f e a t u r e s o f i ma g e s .Mo r e o v e r,t h e c o n v e r g e n c e s p e e d o f F S C i s q u i c k e r

t h a n t h a t o f B a s i c S p a r s e C o d i n g( B S C ) .T h e i m a g e s o f n a t u r a l s c e n e a n d p l a m p r i n t w e r e u s e d t o t e s t t h e p r o p e ̄ y o f F S C a l g o i r t h m p r o p o s e d b y t h e a u t h o r s i n f e a t u r e e x t r a c t i o n,a n d t h e n t h e e x t r a c t e d f e a t u r e s we r e u t i l i z e d t o i ma g e r e c o n s t r u c t i o n . C o mp a r e d wi t h r e c o n s t r u c t e d i ma g e s o b t a i n e d b y B S C, t h e e x p e i r me n t a l r e s u h s v e i r f y t h e v a l i d i t y o f t h e mo d i f i e d F S C i n q ui c kl y e x t r a c t i n g i ma g e f e a t u r e s .

Ke y wo r d s:F a s t S p a r s e C o d i n g( F S C );l e a s t s q u a r e;L 1一 n o r m;L 2一 n o m;f r e a t u r e e x t r a c t i o n;i ma g e r e c o n s t r u c t i o n

0 引言 稀疏编码 ( S p a r s e C o d i n g, S C )模型能够成功模拟哺乳动

( Mo d i f i e d F a s t S p a r s e C o d i n g,MF S C )策略,并采用迭代法解决了基于£ 范数的归一化最小二乘法和基于:范数的约束 最小二乘法两个凸优化问题,能够实现完备基和过完备基的学习,并且比 B S C模型有更快的收敛速度。本文采用自然场景图像和掌纹图像分别对提出的 MF S C算法进行了测试,探

物初级视觉系统主视皮层 V 1区

神经元的感受野,是高维数据的一种有效的稀疏表示方法” I 4 J。最早的 s c模型由 O l s h ns a e n等在 1 9 9 6年提出,一般记作标准的 S C( B a s i c S p a r s e C o d i n g,B S C )模型,该模型提取的特征基具有方向性, 空间性和选择性,已广泛应用于图像处理、语音处理及模式识别等领域 J。但是该模型通常用于观测数据维数等于输出数据维数 (即完备基 )的情况,而且当输人数据维数较大时, B S C模型的收敛速度较慢。然而,生理实验结果表明,在大脑皮层中,初级视觉系统主视皮层 V 1区的编码具有超完

讨了该算法在图像特征提取中的有效性和实用性,为图像特 征提取提供了一种新途径。

1 B S C算法 大脑主视皮层中稀疏编码的目的是利用少数未知基向量

的加权线性组合近似表示自然界输入

。这些基向量可以

捕获输入数据的高层模式,使图像重构的误差尽可能小,同时 使得响应系数尽可能地稀疏化” 。令 X=[ X , X:,…,

备(特征基的维数大于输出神经元的个数 )性质。超完备表 示比完备表示更有效率,可以更灵活地提取信号中的内在结

X r表示 n× L维的输入集合, A=[ a,, a 2,…, a ]表示 n× m维的特征基矩阵, S=[ S。, S:,…, S]表示 m X 维的输出集合,则图像的 B S C模型(即O l s h a u s e n模型 )优化准则表

构¨ j。基于上述认识,同时考虑特征系数最大化稀疏分布 和特征基的正交性,本文提出了一种改进的快速稀疏编码 收稿日期: 2 0 1 2 . 0 9 . 0 4;修回日期: 2 0 1 2— 1 0 . 2 7。

基金项目:国家自然科学基金资助项目( 6 0 9 7 0 0 5 8 );江苏省自然科学基金资助项目

( B K 2 0 0 9 1 3 1 );江苏省“青蓝工程”项目; 2 0 1 0苏州市职业大学创新团队项目( 3 1 0 0 1 2 5 )。 作者简介:尚丽 ( 1 9 7 2一),女,安徽砀山人,副教授,博士,主要研究方向:人工智能、模式识别、数字图像处理; 苏品刚 ( 1 9 7 1一),男,江苏苏州人,副教授,主要研究方向:毫米波焦平面成像、测控;

周燕 ( 1 9 8 0一 ),女,江苏苏州人,讲师,博士研究生,主要研究方向:语音信号处理、模式识别。

基于改进的快速稀疏编码的图像特征提取

基于改进的快速稀疏编码的图像特征提取相关文档

最新文档

返回顶部