论文研究带PCA卷积的稀疏表示图像分类算法.pdf

针对不同卷积核可以提取不同的图像特征，而卷积核的训练比较困难这一问题，提出一种带主成分分析（PCA）卷积的稀疏表示分类算法。先对训练样本集做分片去均值化处理，然后直接应用PCA算法提取所有分片的前K个特征向量作为卷积核，再用这些卷积核对原始图像进行卷积操作；并提出一种自动加权策略，对卷积处理后得到的K个特征图像进行加权叠加操作；最后对特征图像进行分块直方图统计稀疏化，并应用稀疏表示分类算法进行分类。在公共人脸数据集AR、CMUMulti-PIE、ORL以及数字手写体数据集MNIST上与常用分类算法进行对比实验，实验结果表明，带PCA卷积的稀疏表示分类算法具有更高的分类准确率。