基于自適應(yīng)彈性網(wǎng)絡(luò)稀疏編碼的目標(biāo)識(shí)別

杜玉龍， 李建增， 張 巖， 范 聰

(軍械工程學(xué)院， 石家莊 050003)

基于自適應(yīng)彈性網(wǎng)絡(luò)稀疏編碼的目標(biāo)識(shí)別

杜玉龍， 李建增， 張 巖， 范 聰

(軍械工程學(xué)院， 石家莊 050003)

傳統(tǒng)稀疏編碼模型特征選擇能力較弱，稀疏系數(shù)向量中負(fù)系數(shù)的存在導(dǎo)致維數(shù)偏高、信息冗余，不利于目標(biāo)識(shí)別。針對(duì)這個(gè)問題，提出了一種基于自適應(yīng)彈性網(wǎng)絡(luò)的稀疏編碼模型。該模型首先利用融合尺度空間的AGAST檢測(cè)子提取特征點(diǎn)，經(jīng)過FREAK算子描述，采用能夠自適應(yīng)選擇強(qiáng)相關(guān)性特征的自適應(yīng)彈性網(wǎng)絡(luò)回歸模型求解稀疏系數(shù)向量，最后通過分類器實(shí)現(xiàn)對(duì)目標(biāo)的分類識(shí)別。實(shí)驗(yàn)結(jié)果表明,特征檢測(cè)算法對(duì)于圖像中尺度、視角、光照和旋轉(zhuǎn)等變換具有更強(qiáng)的魯棒性，在自適應(yīng)彈性網(wǎng)絡(luò)的約束下，模型具有較好的識(shí)別性能。

目標(biāo)識(shí)別； AGAST； 尺度空間； 自適應(yīng)彈性網(wǎng)絡(luò)； 稀疏編碼

0 引言

近些年來(lái)特征檢測(cè)算法發(fā)展迅速，Harris角點(diǎn)[1]檢測(cè)以泰勒展開式構(gòu)建像素點(diǎn)鄰域內(nèi)的連續(xù)曲面，計(jì)算所有像素點(diǎn)的微商的平方和，采用其中的最大值和最小值作為判斷特征角點(diǎn)的顯著性依據(jù)；FAST[2](Features from Accelerated Segment Test)檢測(cè)算法基于加速分割測(cè)試實(shí)現(xiàn)檢測(cè)，當(dāng)某個(gè)像素點(diǎn)的鄰域范圍內(nèi)存在足夠多的點(diǎn)的灰度值與該點(diǎn)處于不同的灰度區(qū)

在局部特征編碼方面，基于局部特征的特征袋[5](Bag-of-Features,BoF)模型是一種應(yīng)用較廣泛的編碼算法，該模型利用圖像中特征的統(tǒng)計(jì)信息，應(yīng)用k均值聚類獲取視覺單詞構(gòu)建特征字典，但是由于該模型在運(yùn)算中將局部特征和視覺單詞一一對(duì)應(yīng)，忽略了與其他視覺單詞之間的相關(guān)性，所以表達(dá)能力有限；……