特征空间中基于半遗传稀疏表示的图像识别

Abstract

经典的稀疏表示分类（SRC）通常是基于求解L1最小化问题的。SRC在原始输入空间中求解L0范数最小化问题，无法很好地获取数据中的非线性信息。为了解决这一问题，应用非线性映射将原始输入数据映射到一个新的高维特征空间，并提出了一种新的基于L0范数的表示方法。在所提方法中，表示测试样本的字典包含两个部分：第一部分固定在测试样本的近邻；第二部分的训练样本通过半遗传算法（SGA）来选择，利用表示误差确定第二部分的表示字典。在所提方法中，如果训练样本和已确定的测试样本的近邻产生最小表示误差，那么这些训练样本将被 SGA 确定为表示字典的第二部分。在一些常用的人脸数据集和一个手写体数据集上的实验表明，所提方法能够获得更好的分类性能。

Keywords

• 稀疏表示
• 图像识别
• 特征空间
• l0范数
• 遗传算法