• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    可見(jiàn)光-近紅外HSV圖像融合的場(chǎng)景類(lèi)字典稀疏識(shí)別方法

    2019-01-07 12:22:14劉佶鑫
    計(jì)算機(jī)應(yīng)用 2018年12期
    關(guān)鍵詞:正則字典分類(lèi)

    劉佶鑫,魏 嫚

    (1.寬帶無(wú)線通信技術(shù)教育部工程研究中心(南京郵電大學(xué)),南京 210003; 2.南京郵電大學(xué) 通信與信息工程學(xué)院,南京 210003)(*通信作者電子郵箱liujixin@njupt.edu.cn)

    0 引言

    場(chǎng)景識(shí)別作為模式識(shí)別、計(jì)算機(jī)視覺(jué)系統(tǒng)、信號(hào)處理及人機(jī)交互等學(xué)科的重要技術(shù),在圖像(視頻)檢索、計(jì)算機(jī)視覺(jué)任務(wù)、數(shù)字圖像處理、機(jī)器人移動(dòng)定位、相機(jī)智能場(chǎng)景識(shí)別等方面都有非常重要的研究意義。常見(jiàn)的場(chǎng)景大致可以分為四類(lèi):自然場(chǎng)景、城市場(chǎng)景、室內(nèi)場(chǎng)景和事件場(chǎng)景[1-2]。

    目前,場(chǎng)景識(shí)別研究的重點(diǎn)主要有基于圖像視覺(jué)詞袋(Bag of Words, BoW)的方法[3-4]、多特征融合的方法[5-6]、基于顯著區(qū)域?qū)W習(xí)的方法[7-8]以及基于稀疏表示(Sparse Representation, SR)[9]和卷積神經(jīng)網(wǎng)絡(luò)(Convolution Neural Network, CNN)[10]分類(lèi)器的方法。這些方法在場(chǎng)景目標(biāo)識(shí)別中都取得了較好的效果,尤其對(duì)室內(nèi)場(chǎng)景識(shí)別效果良好;但在自然場(chǎng)景識(shí)別中,由于不同的場(chǎng)景經(jīng)常有著相同的目標(biāo),所以具體的目標(biāo)只能給自然場(chǎng)景分類(lèi)提供一個(gè)依據(jù),卻不能完全決定場(chǎng)景分類(lèi)的結(jié)果,這使得對(duì)本就復(fù)雜多變的自然場(chǎng)景的識(shí)別精度一直難以提升。

    近年來(lái),隨著可見(jiàn)光-近紅外(Near-InfraRed, NIR)共平臺(tái)成像系統(tǒng)的普及,智能化自然場(chǎng)景識(shí)別[11]正在成為當(dāng)前的研究熱點(diǎn)。對(duì)于單一傳感器下彩色自然場(chǎng)景圖像信息不夠豐富的問(wèn)題,部分學(xué)者開(kāi)始嘗試將多光譜信息引入場(chǎng)景識(shí)別領(lǐng)域。Brown等[12]將近紅外圖像引入到場(chǎng)景分類(lèi)中,并在他們采集的近紅外-可見(jiàn)光數(shù)據(jù)庫(kù)上通過(guò)實(shí)驗(yàn)驗(yàn)證了近紅外圖像在場(chǎng)景識(shí)別中的有效性。之后Salamati等[13]在該實(shí)驗(yàn)基礎(chǔ)上通過(guò)提取并組合圖像的尺度不變特征(Scale-Invariant Feature Transform, SIFT)和顏色特征達(dá)到了更好的分類(lèi)效果。但他們的實(shí)驗(yàn)由于直接組合多個(gè)譜帶的信息使得圖像特征描述符維度隨著波段的組合而快速增加,給分類(lèi)任務(wù)提高了難度,且實(shí)驗(yàn)中采用的支持向量機(jī)(Support Vector Machine, SVM)方法在二分類(lèi)情況下表現(xiàn)良好,而在多分類(lèi)情況下卻容易形成局部最優(yōu)的情況。

    因此,為了能夠更加有效地利用近紅外圖像中的場(chǎng)景信息,本文提出一種融合可見(jiàn)光和近紅外圖像的場(chǎng)景識(shí)別方法。另外,考慮到稀疏識(shí)別由于具有較高的有效性和魯棒性特點(diǎn)一直在圖像識(shí)別領(lǐng)域中表現(xiàn)優(yōu)秀,且深度學(xué)習(xí)需要較大的數(shù)據(jù)訓(xùn)練量[14],所以本文采用稀疏分類(lèi)器代替SVM分類(lèi)器進(jìn)行融合后場(chǎng)景圖像的識(shí)別。不過(guò)值得注意的是,經(jīng)典稀疏識(shí)別在圖像識(shí)別任務(wù)中雖然表現(xiàn)良好,也仍然存在著一定的限制:一方面,稀疏表示模型要求圖像樣本空間足夠大;另一方面,該模型不能很好地應(yīng)對(duì)圖像中姿勢(shì)變化和沒(méi)有對(duì)齊的情況。實(shí)驗(yàn)研究的近紅外-可見(jiàn)光圖像場(chǎng)景數(shù)據(jù)庫(kù)[12]不存在圖像對(duì)準(zhǔn)的問(wèn)題,所以針對(duì)樣本不足的問(wèn)題,本文將引入一種基于正則化K-奇異值分解(K-Singular Value Decomposition,K-SVD)的類(lèi)字典學(xué)習(xí)算法,這種類(lèi)字典學(xué)習(xí)算法與稀疏識(shí)別框架的結(jié)合可以大大增加場(chǎng)景圖像的類(lèi)內(nèi)相關(guān)性和類(lèi)間差異性,使得在沒(méi)有大量訓(xùn)練樣本的情況下依然可以獲得比較高的算法效率,在可見(jiàn)光-近紅外智能化自然場(chǎng)景識(shí)別領(lǐng)域具有很高的研究?jī)r(jià)值。

    1 稀疏表示基本原理

    稀疏表示是壓縮感知(Compressed Sensing, CS)理論研究的重要分支,近幾年已經(jīng)被廣泛地應(yīng)用到計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域。CS理論最初由Candès等[15]提出,后來(lái)Wright等[16]將其應(yīng)用到人臉識(shí)別中,將其稱(chēng)為SR下的分類(lèi)(SR-based Classification, SRC)識(shí)別。

    假設(shè)圖像共有c個(gè)類(lèi)別,A=[A1,A2,…,Ai,…,Ac],其中Ai(i=1,2,…,c)是樣本類(lèi)別為i的類(lèi)樣本集。定義y為測(cè)試樣本,則有:

    1)輸入向量y在樣本集上可以線性表示為y=Ax,由于這種線性表示并不唯一,所以通過(guò)l1-范式最小化獲得最佳的編碼系數(shù):

    (1)

    2)根據(jù)上述編碼選取重構(gòu)誤差小的類(lèi)別作為測(cè)試樣本y的類(lèi)別:

    (2)

    2 本文方法

    整個(gè)系統(tǒng)可以分為三個(gè)部分:近紅外圖像與可見(jiàn)光圖像的融合,圖像的特征提取和融合,類(lèi)字典稀疏識(shí)別和分類(lèi)決策。算法的流程框架如圖1所示,首先采用基于HSV顏色空間變換的方法融合RGB圖像和NIR圖像,之后提取融合圖像的通用搜索樹(shù)(Generalized Search Tree, GiST)特征和分層梯度方向直方圖(Pyramid Histogram of Oriented Gradients, PHOG)特征進(jìn)行特征融合,然后對(duì)融合的特征進(jìn)行類(lèi)字典稀疏識(shí)別,最后求得測(cè)試樣本的稀疏系數(shù)進(jìn)行分類(lèi)決策,得到最終的識(shí)別結(jié)果。

    圖1 本文方法流程Fig. 1 Flow chart of the proposed method

    2.1 近紅外圖像和彩色可見(jiàn)光圖像的融合

    可見(jiàn)光圖像通常表示為三種顏色通道的組合:紅色、綠色和藍(lán)色,而近紅外(NIR)圖像則為灰度的強(qiáng)度圖像。與彩色圖像相比,NIR圖像既擁有彩色圖像的魯棒性特點(diǎn)又有著比彩色圖像更好的灰度對(duì)比度信息,因此用近紅外圖像替換可見(jiàn)光圖像中表示亮度的通道便可以得到信息更加豐富的彩色圖像。該方法借鑒了圖像偽彩色處理的原理,并應(yīng)用在自然場(chǎng)景稀疏識(shí)別上。

    為了能夠提取更多有用的場(chǎng)景特征,本文選用HSV顏色空間進(jìn)行圖像融合。算法首先將可見(jiàn)光圖像映射到HSV空間:

    (3)

    (4)

    V?max

    (5)

    其中:min和max分別表示取R、G、B中的最小值和最大值。

    然后將表示圖像明亮程度的通道(V)替換為NIR圖像:

    V?NIR

    (6)

    最后將得到的HSV圖像按照原映射的逆變換還原到RGB空間,便得到融合了近紅外信息的彩色圖像。

    圖2為將RGB-NIR數(shù)據(jù)庫(kù)中部分圖片使用HSV顏色空間變換融合的效果圖示。觀察圖2中相同場(chǎng)景的NIR和RGB圖像,不難發(fā)現(xiàn)NIR圖像有著比可見(jiàn)光圖像增強(qiáng)的局部和云對(duì)比度、更明亮的植被、更黑暗的水等,而融合后的彩色圖與近紅外圖像相比更清晰,與可見(jiàn)光圖像相比具有更大的對(duì)比度。

    圖2 基于HSV顏色空間變換融合的近紅外和可見(jiàn)光圖像Fig. 2 Fused images of NIR and visible based on HSV color spatial transform

    2.2 全局特征和局部特征的融合

    特征融合是指將兩個(gè)或多個(gè)特征向量按照某種規(guī)則組合成新的特征向量。為了能夠很好地表征融合后的彩色場(chǎng)景圖像,本文采用全局GiST特征[17]和局部PHOG特征[18]的融合方法。GiST特征模擬人的視覺(jué)提取圖像中簡(jiǎn)明扼要的上下文信息,能夠很好地獲取場(chǎng)景類(lèi)別的空間結(jié)構(gòu)特性,但對(duì)場(chǎng)景圖像的細(xì)節(jié)丟失較為嚴(yán)重,而PHOG特征提取的是場(chǎng)景圖像的局部輪廓特征,能夠很好地表達(dá)出場(chǎng)景圖像的局部細(xì)節(jié)。將GiST特征和PHOG特征進(jìn)行融合可以更加有效地表示出場(chǎng)景圖像。雖然之前已經(jīng)有學(xué)者提出過(guò)GiST特征和PHOG特征融合的方法,但都只是使用了簡(jiǎn)單的SVM分類(lèi)器,在場(chǎng)景分類(lèi)時(shí)沒(méi)有很好地解決局部最優(yōu)解的問(wèn)題,所以本文將結(jié)合特征融合與本文提出的類(lèi)字典稀疏分類(lèi)器驗(yàn)證其在場(chǎng)景識(shí)別中的有效性。

    GiST特征提取算法主要是使用Gabor濾波器組對(duì)圖像進(jìn)行濾波后通過(guò)稀疏網(wǎng)格的劃分提取的場(chǎng)景圖像的全局特征,步驟如下:

    1)假設(shè)有灰度圖像f(x,y),大小為H×W,將其進(jìn)行L×L的規(guī)則網(wǎng)格劃分,則每個(gè)網(wǎng)格的大小為h×w,其中h=H/L,w=W/L。

    2)建立m個(gè)方向、n個(gè)尺度的Gabor濾波器,并使用這些Gabor濾波器對(duì)每個(gè)網(wǎng)格內(nèi)圖像進(jìn)行卷積濾波,將每個(gè)網(wǎng)格內(nèi)的特征進(jìn)行級(jí)聯(lián),得到網(wǎng)格內(nèi)圖像的GiST特征,即:

    (7)

    其中:cat為將各個(gè)特征級(jí)聯(lián)的符號(hào);gmn(x,y)為Gabor濾波器組,m為方向數(shù),n為尺度數(shù);“*”為進(jìn)行卷積運(yùn)算。

    3)取每個(gè)網(wǎng)格內(nèi)計(jì)算出的特征值的均值作為一個(gè)特征,將所有網(wǎng)格內(nèi)的特征進(jìn)行級(jí)聯(lián),便得到整個(gè)場(chǎng)景圖像的GiST特征,維度為L(zhǎng)×L×nc。

    與大部分GiST特征提取的維度不同,本文從R、G、B三個(gè)通道分別將場(chǎng)景圖像劃分為4×4的網(wǎng)格,用8個(gè)方向、4個(gè)尺度的Gabor濾波器組進(jìn)行處理,最終得到整幅圖像的GiST特征維數(shù)為3×4×4×32 =1 536維。

    PHOG特征提取算法是使用空間四叉樹(shù)模型將場(chǎng)景圖像分解形成多分辨率表示,然后按照低分辨率到高分辨率的順序?qū)⒍嗉?jí)的方向梯度直方圖級(jí)聯(lián),步驟可描述如下:

    1)使用Canny算子邊界檢測(cè)方法對(duì)場(chǎng)景圖像的邊緣信息進(jìn)行統(tǒng)計(jì);

    2)將場(chǎng)景圖像按照空間四叉樹(shù)模型進(jìn)行分層分塊的表示,并提取每一層上所有子區(qū)域的HOG特征;

    3)將每一層上的所有子區(qū)域上的HOG特征進(jìn)行級(jí)聯(lián),進(jìn)行歸一化處理即可得到PHOG特征。

    本文將場(chǎng)景圖像分為4層,其中第0層表示整個(gè)場(chǎng)景圖像,接下來(lái)每一層都按照空間四叉樹(shù)模型將整個(gè)圖像依次均分為4、16、64個(gè)子區(qū)域。最終得到的整幅圖像的PHOG特征維數(shù)為(1+4+16+64)×8=680維。

    在融合方法上,本文采用特征的串行融合方式。假設(shè)分別存在于特征空間Ω、Ζ的兩個(gè)特征向量α和β,其中α∈Ω,β∈Ζ,串行融合的方法就是將α和β串聯(lián)形成新的特征向量γ:

    (8)

    式中,k、l分別表示特征向量α和β的權(quán)值系數(shù)。為了充分體現(xiàn)GiST與PHOG在特征提取方面的互補(bǔ)性,本文采取與文獻(xiàn)[6]相同的實(shí)驗(yàn)設(shè)置,采用均值加權(quán)的方式進(jìn)行特征融合,即k=1、l=1。若α代表n維特征向量,β代表m維特征向量,此時(shí)新的特征向量γ為m+n維向量,即1 536+680=2 216維。

    2.3 基于正則化K-SVD的類(lèi)字典稀疏識(shí)別

    在獲得上述特征融合的特征矩陣后,需要解決稀疏識(shí)別樣本數(shù)量不足的問(wèn)題,為此本文提出了一種基于正則化的K-SVD算法的類(lèi)字典稀疏識(shí)別方法。一般的字典學(xué)習(xí)的問(wèn)題可以描述為:

    (9)

    s. t. ‖xl‖0≤s,l=1,2,…,N

    ‖dj‖2=1,j=1,2,…,n

    其中:D為字典,dj為D的第j個(gè)原子;xl是X的第l行;s為稀疏表示系數(shù)中非0分量數(shù)量的上限。式(9)的計(jì)算過(guò)程是一個(gè)不斷迭代的過(guò)程,首先固定字典D使用稀疏向量求解方法求解D上Y的稀疏表示A,然后根據(jù)A得到更優(yōu)化的字典D,直到滿足停止的迭代的條件時(shí)優(yōu)化結(jié)束。

    但如上所述,這種字典學(xué)習(xí)算法在優(yōu)化時(shí)稀疏系數(shù)和對(duì)應(yīng)字典碼字不同時(shí)更新,這就有可能造成奇點(diǎn)的出現(xiàn)。為了可以同時(shí)更新所有的碼字和所有的稀疏系數(shù),Dai等[19]提出了一種正則化的字典學(xué)習(xí)算法,其優(yōu)化目標(biāo)函數(shù)為:

    (10)

    其中μ>0且μ是已知量。

    這種算法雖然達(dá)到了稀疏系數(shù)和對(duì)應(yīng)字典碼字同時(shí)更新的要求,但依然沒(méi)有很好地解決稀疏識(shí)別訓(xùn)練樣本較少的問(wèn)題,所以本文結(jié)合文獻(xiàn)[20]提出的類(lèi)字典稀疏識(shí)別方法與文獻(xiàn)[21]提出的正則化K-SVD算法,提出一種基于正則化的K-SVD算法的類(lèi)字典稀疏識(shí)別方法。首先假設(shè)D中除dj的其他原子都被固定,定義Ij為系數(shù)表達(dá)中用到dj的信號(hào)的維度,則信號(hào)的表示誤差為:

    (11)

    從而可以推導(dǎo)出此時(shí)的優(yōu)化函數(shù)為:

    (12)

    其中t=‖x‖。當(dāng)t=σ1/(1+μ)時(shí)有最小值。

    與典型的字典學(xué)習(xí)算法相同的是,正則化K-SVD算法也需要經(jīng)過(guò)一系列的迭代優(yōu)化得到學(xué)習(xí)的字典;與之不同的是,本文將正則化K-SVD算法與類(lèi)字典稀疏識(shí)別方法相結(jié)合,也就是說(shuō)通過(guò)上述步驟得到的字典并不會(huì)直接作為最終稀疏識(shí)別時(shí)的字典,而是將其作為類(lèi)字典組合在一起成為一個(gè)全局字典后再進(jìn)行稀疏分類(lèi)?;谡齽t化K-SVD的類(lèi)字典學(xué)習(xí)算法如算法1所示。

    算法1 基于正則化K-SVD的類(lèi)字典學(xué)習(xí)。

    輸入 初始化字典D,信號(hào)樣本集A=[A1,A2,…,Ai,…,Ac],迭代次數(shù)K;

    fori=1 tocdo

    //字典學(xué)習(xí)

    fork=1 toKdo

    //稀疏編碼

    固定D,使用正交匹配追蹤(Orthogonal Matching Pursuit,

    OMP)算法求解稀疏表示X

    //字典更新

    forj=1 tondo

    根據(jù)Ij中使用到dj原子表示的信號(hào)的索引計(jì)算σ1、u1、ν1

    設(shè)置新原子dj=u1以及新的稀疏表達(dá)式為Xj,Ij=

    σ1ν1/(1+μ)

    end for

    end for

    end for

    (13)

    與全局字典識(shí)別的方法相比,類(lèi)字典識(shí)別方法有著很好的類(lèi)內(nèi)相關(guān)性,而與局部字典識(shí)別的方法相比,它又有著很好的類(lèi)間差異性,因此該算法既可以有效地克服樣本數(shù)量少的缺陷,又可以提高場(chǎng)景識(shí)別的效率。

    3 實(shí)驗(yàn)結(jié)果與分析

    本文采用RGB-NIR 場(chǎng)景數(shù)據(jù)庫(kù)[12],共有9類(lèi)場(chǎng)景的近紅外與彩色圖像對(duì),分別為country、field、forest、indoor、mountain、oldbuilding、street、urban、water,總計(jì)有477個(gè)圖像對(duì)。仿照文獻(xiàn)[12]的實(shí)驗(yàn)設(shè)置,實(shí)驗(yàn)每類(lèi)別選取11張圖像用作測(cè)試,其余圖像用于訓(xùn)練。為了驗(yàn)證本文方法的有效性,將進(jìn)行4組實(shí)驗(yàn)。

    實(shí)驗(yàn)1 為了驗(yàn)證近紅外圖像在場(chǎng)景識(shí)別中的有效性,本文首先將原始圖像和采用一些主流融合方法融合后的圖像進(jìn)行了對(duì)比,結(jié)果如圖3所示。

    圖3(a)、3(b)分別為原始近紅外圖像和可見(jiàn)光圖像,圖3(c)、3(d)、3(e)、3(f)分別為采用平均加權(quán)融合法、主成分分析法(Principal Components Analysis, PCA)、HSV顏色替換法、YCbCr顏色替換法得到的圖像。從圖3中可以看出,雖然圖像融合后顏色上有一定的失真,但圖像的分辨率和對(duì)比度都得到了很大的提高。如圖3中圖像2顯示的山峰,融合后的圖像顏色更加突出,景物表現(xiàn)更加豐富,云層的對(duì)比度也更加明顯。

    圖3 不同方法圖像融合結(jié)果Fig. 3 Image fusion results by different methods

    實(shí)驗(yàn)2 在從視覺(jué)效果上看出近紅外圖像和可見(jiàn)光圖像融合的效果后,還需要從客觀指標(biāo)上驗(yàn)證融合圖像的優(yōu)勢(shì)。所以,在其他實(shí)驗(yàn)設(shè)置都相同的情況下,將未融合的圖像與融合的圖像分別進(jìn)行特征提取與融合、類(lèi)字典稀疏識(shí)別等步驟得到各種識(shí)別結(jié)果,實(shí)驗(yàn)結(jié)果如表1所示。

    表1 不同圖像的分類(lèi)準(zhǔn)確率對(duì)比Tab.1 Classification accuracy comparison of different images

    從表1中可以發(fā)現(xiàn),當(dāng)只使用可見(jiàn)光圖像進(jìn)行分類(lèi)時(shí),平均分類(lèi)精度可以達(dá)到63.64%,但只使用將近紅外圖像進(jìn)行分類(lèi)卻只能達(dá)到27.27%,這說(shuō)明可見(jiàn)光圖像中含有的場(chǎng)景信息比近紅外圖像中含有的場(chǎng)景信息要多得多。但是將近紅外圖像和彩色可見(jiàn)光圖像融合之后,識(shí)別準(zhǔn)確度最高達(dá)到了74.75%,明顯比單一傳感器下的場(chǎng)景識(shí)別效果更優(yōu)秀,這說(shuō)明圖像融合之后場(chǎng)景信息增加了,場(chǎng)景的可辨識(shí)度得到了一定的提高,從而證明了融合近紅外圖像場(chǎng)景識(shí)別中確實(shí)是有效的。另外從實(shí)驗(yàn)結(jié)果最后一行來(lái)看,使用HSV顏色替換的融合方法達(dá)到了最高的識(shí)別精度,相比簡(jiǎn)單加權(quán)平均的方法提高了5.05個(gè)百分點(diǎn),比熱門(mén)的PCA融合的方法也提高了7.07個(gè)百分點(diǎn),證明在進(jìn)行近紅外圖像融合進(jìn)行場(chǎng)景識(shí)別時(shí),采用HSV顏色替換的融合方法更加有效。

    實(shí)驗(yàn)3 由于實(shí)驗(yàn)2中進(jìn)行場(chǎng)景分類(lèi)時(shí)用到了特征融合以及基于正則化K-SVD算法的類(lèi)字典稀疏場(chǎng)景識(shí)別,所以本文又設(shè)計(jì)了實(shí)驗(yàn)3和實(shí)驗(yàn)4來(lái)分別驗(yàn)證這兩種方法的性能。首先,實(shí)驗(yàn)3是為了驗(yàn)證融合GiST和PHOG特征在本文方法中的有效性。對(duì)使用了HSV方法融合后的彩色圖像分別提取GiST和PHOG這兩種特征(具體的特征提取過(guò)程見(jiàn)2.2節(jié)),然后對(duì)這兩種特征進(jìn)行類(lèi)字典稀疏識(shí)別,單獨(dú)使用GiST特征、單獨(dú)使用PHOG特征進(jìn)行分類(lèi)和融合兩種特征(GiST+PHOG)進(jìn)行分類(lèi)的分類(lèi)準(zhǔn)確率分別為67.12%、45.23%、74.75%。上述結(jié)果為所有類(lèi)別的平均分類(lèi)準(zhǔn)確率,通過(guò)該結(jié)果可以看出,其他參數(shù)相同時(shí),融合兩種特征進(jìn)行分類(lèi)分別比單獨(dú)使用GiST特征或是PHOG特征進(jìn)行分類(lèi)的效果分別提高了7.63個(gè)百分點(diǎn)和29.52個(gè)百分點(diǎn),這表明這兩種特征的融合能夠獲得更多的場(chǎng)景信息,在自然場(chǎng)景識(shí)別中是非常有效的。

    實(shí)驗(yàn)4 為了驗(yàn)證本文提出的基于正則化K-SVD算法的類(lèi)字典在稀疏場(chǎng)景識(shí)別中的有效性,實(shí)驗(yàn)4中將本文的基于正則化K-SVD算法的類(lèi)字典和一些常見(jiàn)的字典學(xué)習(xí)(Dictionary Learning, DL)方法進(jìn)行了比較,實(shí)驗(yàn)結(jié)果如表2所示。

    表2 不同DL方法的分類(lèi)準(zhǔn)確率對(duì)比Tab. 2 Classification accuracy comparison of different DL methods

    從表2中可以看出,當(dāng)使用經(jīng)典的K-SVD算法進(jìn)行字典學(xué)習(xí)時(shí),局部字典的使用識(shí)別精度最高,這是因?yàn)樵谑褂肒-SVD算法時(shí),往往要求生成的字典是過(guò)完備字典,即需要輸入的樣本量夠大,而本文實(shí)驗(yàn)采取的數(shù)據(jù)庫(kù)樣本量較少,因此在使用K-SVD算法進(jìn)行字典學(xué)習(xí)時(shí),使用局部字典可以達(dá)到更高的識(shí)別精度;但是當(dāng)使用正則化K-SVD算法時(shí),本文使用的類(lèi)字典學(xué)習(xí)方法便顯示出了其優(yōu)越性,識(shí)別精度也達(dá)到了最高,相比簡(jiǎn)單的全局字典、局部字典的方法,本文方法的識(shí)別精度分別提高了36.37個(gè)百分點(diǎn)和 6.75個(gè)百分點(diǎn),比局部字典與經(jīng)典K-SVD算法的結(jié)合也提高了9.09個(gè)百分點(diǎn)。

    4 結(jié)語(yǔ)

    基于圖像融合的原理,本文從實(shí)用角度出發(fā),提出一種彩色可見(jiàn)光和近紅外圖像融合的場(chǎng)景類(lèi)字典稀疏識(shí)別方法。該方法將可見(jiàn)光圖像和近紅外圖像進(jìn)行HSV融合,提取融合圖像的GiST全局特征和PHOG局部特征,結(jié)合類(lèi)字典稀疏識(shí)別得到場(chǎng)景分類(lèi)結(jié)果。與現(xiàn)有使用多特征提取符分類(lèi)的方法相比,所提方法利用了近紅外圖像中的有效信息,為場(chǎng)景識(shí)別提供了更多的依據(jù)。通過(guò)在RGB-NIR數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果表明,將兩種不同傳感器獲得的圖像進(jìn)行融合后的場(chǎng)景識(shí)別準(zhǔn)確率明顯高于單一傳感器下的場(chǎng)景識(shí)別準(zhǔn)確率。

    猜你喜歡
    正則字典分類(lèi)
    開(kāi)心字典
    家教世界(2023年28期)2023-11-14 10:13:50
    開(kāi)心字典
    家教世界(2023年25期)2023-10-09 02:11:56
    分類(lèi)算一算
    分類(lèi)討論求坐標(biāo)
    剩余有限Minimax可解群的4階正則自同構(gòu)
    類(lèi)似于VNL環(huán)的環(huán)
    數(shù)據(jù)分析中的分類(lèi)討論
    教你一招:數(shù)的分類(lèi)
    我是小字典
    正版字典
    讀者(2016年14期)2016-06-29 17:25:50
    久久久a久久爽久久v久久| 69人妻影院| 国产精品一区二区三区四区免费观看| 麻豆精品久久久久久蜜桃| 日韩制服骚丝袜av| 国产精品一区二区在线观看99 | 国产极品天堂在线| 女的被弄到高潮叫床怎么办| 亚洲av男天堂| 人妻制服诱惑在线中文字幕| 欧美xxxx性猛交bbbb| 中国国产av一级| 亚洲精品成人久久久久久| 国产成人精品福利久久| 乱码一卡2卡4卡精品| 亚洲av福利一区| 欧美97在线视频| 噜噜噜噜噜久久久久久91| 高清视频免费观看一区二区 | 最近手机中文字幕大全| 免费电影在线观看免费观看| 免费无遮挡裸体视频| 91精品国产九色| av在线天堂中文字幕| 边亲边吃奶的免费视频| 久久久久久久大尺度免费视频| 偷拍熟女少妇极品色| 日韩人妻高清精品专区| 国产在视频线在精品| 色播亚洲综合网| 哪个播放器可以免费观看大片| 亚洲av中文字字幕乱码综合| 亚洲欧美中文字幕日韩二区| 国产成人精品婷婷| 欧美最新免费一区二区三区| 精品久久久久久成人av| 国产高清国产精品国产三级 | 国产色爽女视频免费观看| 91久久精品国产一区二区成人| 亚洲av国产av综合av卡| 亚洲美女搞黄在线观看| 午夜亚洲福利在线播放| 日日撸夜夜添| 免费av不卡在线播放| 精品人妻一区二区三区麻豆| 欧美日韩国产mv在线观看视频 | 97人妻精品一区二区三区麻豆| 久久久久久久久久成人| 国产色爽女视频免费观看| 能在线免费观看的黄片| 偷拍熟女少妇极品色| 最新中文字幕久久久久| 欧美日韩综合久久久久久| 真实男女啪啪啪动态图| 欧美不卡视频在线免费观看| 免费看av在线观看网站| 97在线视频观看| 国产色爽女视频免费观看| 乱系列少妇在线播放| 日本av手机在线免费观看| 国产精品一及| 2022亚洲国产成人精品| 免费av不卡在线播放| 超碰97精品在线观看| 麻豆国产97在线/欧美| 国产成人精品久久久久久| 精品国内亚洲2022精品成人| 一本一本综合久久| 亚洲伊人久久精品综合| 成人亚洲精品一区在线观看 | 好男人在线观看高清免费视频| av国产免费在线观看| 女人久久www免费人成看片| 久久久久久久久久久丰满| 大香蕉97超碰在线| 午夜福利高清视频| 80岁老熟妇乱子伦牲交| 欧美成人精品欧美一级黄| 18禁在线无遮挡免费观看视频| 日韩大片免费观看网站| 日本午夜av视频| 日本欧美国产在线视频| 少妇被粗大猛烈的视频| 尾随美女入室| 99热这里只有是精品在线观看| 九色成人免费人妻av| 亚洲自拍偷在线| 久久久久国产网址| 丰满人妻一区二区三区视频av| 亚洲欧美一区二区三区黑人 | 久久久久久久久久人人人人人人| 中文字幕制服av| 男插女下体视频免费在线播放| 国产精品av视频在线免费观看| 日本黄大片高清| 欧美97在线视频| 久久6这里有精品| av免费在线看不卡| 久久热精品热| 久久草成人影院| 日韩亚洲欧美综合| 国产精品三级大全| 男女下面进入的视频免费午夜| 国产午夜福利久久久久久| 成人亚洲精品av一区二区| 最近视频中文字幕2019在线8| 亚洲av国产av综合av卡| 九草在线视频观看| 亚洲国产精品国产精品| 99久久精品国产国产毛片| 草草在线视频免费看| 黄片wwwwww| 亚洲,欧美,日韩| 日本三级黄在线观看| 久久国内精品自在自线图片| 午夜亚洲福利在线播放| 一级毛片 在线播放| 少妇的逼水好多| 高清欧美精品videossex| 一区二区三区四区激情视频| 国产成人福利小说| 91aial.com中文字幕在线观看| 午夜福利在线观看免费完整高清在| 色综合色国产| 韩国av在线不卡| 午夜免费激情av| 街头女战士在线观看网站| 夫妻性生交免费视频一级片| 亚洲无线观看免费| 免费少妇av软件| 亚洲美女搞黄在线观看| 久久精品久久久久久久性| 高清日韩中文字幕在线| 日韩成人伦理影院| 欧美成人午夜免费资源| 能在线免费看毛片的网站| 国产欧美另类精品又又久久亚洲欧美| 国产成人精品久久久久久| 午夜视频国产福利| 非洲黑人性xxxx精品又粗又长| av又黄又爽大尺度在线免费看| 日韩精品有码人妻一区| 日本与韩国留学比较| 成人亚洲精品一区在线观看 | xxx大片免费视频| 国内少妇人妻偷人精品xxx网站| 国产精品.久久久| 欧美一级a爱片免费观看看| 嘟嘟电影网在线观看| 久久久久九九精品影院| 一级毛片电影观看| 国产一区二区三区av在线| 夜夜看夜夜爽夜夜摸| 久久这里有精品视频免费| 九九爱精品视频在线观看| 国产人妻一区二区三区在| 91久久精品国产一区二区三区| 亚洲精品色激情综合| www.色视频.com| 91aial.com中文字幕在线观看| av.在线天堂| 久久鲁丝午夜福利片| 天堂影院成人在线观看| 蜜桃亚洲精品一区二区三区| 欧美 日韩 精品 国产| 在现免费观看毛片| 亚洲人与动物交配视频| 久久韩国三级中文字幕| 亚洲精品乱久久久久久| 久久精品国产自在天天线| 精品人妻视频免费看| 日韩精品青青久久久久久| 精品国产露脸久久av麻豆 | 国产伦精品一区二区三区四那| 乱码一卡2卡4卡精品| 在线免费观看不下载黄p国产| 精品久久久久久久末码| 国产成人福利小说| 国产精品一及| 日韩伦理黄色片| 国产极品天堂在线| 国产亚洲5aaaaa淫片| 插逼视频在线观看| 国产av码专区亚洲av| 内射极品少妇av片p| 乱码一卡2卡4卡精品| 午夜爱爱视频在线播放| xxx大片免费视频| 免费高清在线观看视频在线观看| 精品不卡国产一区二区三区| 一个人看视频在线观看www免费| 午夜免费男女啪啪视频观看| 亚洲欧美一区二区三区国产| 色播亚洲综合网| 一级a做视频免费观看| 亚洲av成人精品一二三区| 国产午夜精品一二区理论片| 国产伦理片在线播放av一区| 中文字幕人妻熟人妻熟丝袜美| 欧美高清性xxxxhd video| 99热这里只有精品一区| 成人鲁丝片一二三区免费| 成人鲁丝片一二三区免费| 久久精品久久精品一区二区三区| 国产一区二区三区av在线| 岛国毛片在线播放| 免费人成在线观看视频色| 成年av动漫网址| 青春草国产在线视频| 国内精品宾馆在线| 国产精品日韩av在线免费观看| 亚洲av成人av| 美女黄网站色视频| 草草在线视频免费看| 亚洲伊人久久精品综合| av国产免费在线观看| 国产 一区精品| 国产精品福利在线免费观看| 婷婷色麻豆天堂久久| 大香蕉久久网| 亚洲最大成人中文| 天堂网av新在线| 国产久久久一区二区三区| 99久国产av精品| 亚洲av免费高清在线观看| 麻豆成人午夜福利视频| 国产精品久久久久久精品电影小说 | 美女高潮的动态| 一区二区三区四区激情视频| av在线天堂中文字幕| 亚洲熟妇中文字幕五十中出| 在线观看一区二区三区| 看黄色毛片网站| 尤物成人国产欧美一区二区三区| 18禁动态无遮挡网站| 成人二区视频| 97精品久久久久久久久久精品| 啦啦啦啦在线视频资源| 蜜臀久久99精品久久宅男| 人人妻人人澡人人爽人人夜夜 | 精品一区二区三区人妻视频| 69av精品久久久久久| 免费观看无遮挡的男女| 日日摸夜夜添夜夜爱| 91在线精品国自产拍蜜月| 国产综合精华液| 日韩成人av中文字幕在线观看| 亚洲av成人精品一二三区| 亚洲成人精品中文字幕电影| 亚洲精品久久久久久婷婷小说| 大陆偷拍与自拍| 欧美最新免费一区二区三区| 观看免费一级毛片| 国产大屁股一区二区在线视频| 人妻一区二区av| 国产精品1区2区在线观看.| 高清午夜精品一区二区三区| 在线观看人妻少妇| 老女人水多毛片| 国产高清三级在线| 亚洲人成网站高清观看| 国产v大片淫在线免费观看| 日韩一区二区三区影片| 最近2019中文字幕mv第一页| 亚洲精品日本国产第一区| 好男人在线观看高清免费视频| 国产中年淑女户外野战色| 建设人人有责人人尽责人人享有的 | 97超碰精品成人国产| 免费看光身美女| 全区人妻精品视频| 男的添女的下面高潮视频| 国产黄频视频在线观看| 国产男人的电影天堂91| 天天躁夜夜躁狠狠久久av| 亚洲人成网站在线观看播放| 成人一区二区视频在线观看| 国产av在哪里看| 欧美人与善性xxx| 乱系列少妇在线播放| 亚洲av成人av| 美女xxoo啪啪120秒动态图| 国产综合精华液| 国产精品久久久久久av不卡| 欧美日韩视频高清一区二区三区二| av又黄又爽大尺度在线免费看| 亚洲国产av新网站| 只有这里有精品99| eeuss影院久久| 一级毛片 在线播放| 麻豆国产97在线/欧美| 久久久精品94久久精品| 亚洲高清免费不卡视频| 一级a做视频免费观看| 国产国拍精品亚洲av在线观看| 亚洲内射少妇av| 看十八女毛片水多多多| 日韩,欧美,国产一区二区三区| 老女人水多毛片| 成人欧美大片| 可以在线观看毛片的网站| 精品国内亚洲2022精品成人| 天堂av国产一区二区熟女人妻| 夜夜爽夜夜爽视频| 99久久九九国产精品国产免费| 又爽又黄a免费视频| 国产色婷婷99| 成人午夜精彩视频在线观看| 成人午夜精彩视频在线观看| kizo精华| 亚洲第一区二区三区不卡| 神马国产精品三级电影在线观看| av国产免费在线观看| av在线天堂中文字幕| 亚洲成人久久爱视频| 男女那种视频在线观看| 80岁老熟妇乱子伦牲交| 99久国产av精品国产电影| 国产精品嫩草影院av在线观看| 18禁动态无遮挡网站| 国产伦精品一区二区三区四那| 看黄色毛片网站| 国产精品人妻久久久久久| 国产精品一区二区三区四区免费观看| 夫妻性生交免费视频一级片| 亚洲av日韩在线播放| 街头女战士在线观看网站| eeuss影院久久| 男人舔女人下体高潮全视频| 777米奇影视久久| 亚洲av电影在线观看一区二区三区 | 国产在视频线在精品| 国产精品人妻久久久久久| 精品熟女少妇av免费看| 男女啪啪激烈高潮av片| 国产真实伦视频高清在线观看| 国产精品一区二区性色av| 国产黄色免费在线视频| 亚洲美女视频黄频| 亚洲欧洲日产国产| 国产黄色视频一区二区在线观看| 日韩电影二区| 男的添女的下面高潮视频| 2018国产大陆天天弄谢| 亚洲欧美中文字幕日韩二区| 亚洲av成人精品一区久久| 亚洲电影在线观看av| 国产乱人视频| 黄片wwwwww| 一区二区三区四区激情视频| av黄色大香蕉| 国产一级毛片七仙女欲春2| 日韩大片免费观看网站| 禁无遮挡网站| 国产免费又黄又爽又色| 国产av码专区亚洲av| 国产一区亚洲一区在线观看| 一级黄片播放器| 丝袜喷水一区| 蜜臀久久99精品久久宅男| 久久久国产一区二区| 日韩av在线大香蕉| 99久久人妻综合| 大陆偷拍与自拍| 丰满人妻一区二区三区视频av| 春色校园在线视频观看| 精品亚洲乱码少妇综合久久| 精品国产露脸久久av麻豆 | 亚洲在久久综合| 全区人妻精品视频| freevideosex欧美| .国产精品久久| 2022亚洲国产成人精品| 美女国产视频在线观看| 舔av片在线| 能在线免费看毛片的网站| 午夜福利视频1000在线观看| 亚洲av不卡在线观看| 亚洲在线观看片| 秋霞伦理黄片| 成人亚洲欧美一区二区av| 亚洲欧美一区二区三区黑人 | 国产成人精品福利久久| 汤姆久久久久久久影院中文字幕 | 久久6这里有精品| 99久国产av精品国产电影| 18禁动态无遮挡网站| 午夜视频国产福利| 亚洲无线观看免费| 我的老师免费观看完整版| 久久久久久九九精品二区国产| 久久精品久久久久久噜噜老黄| 日韩强制内射视频| 插阴视频在线观看视频| 乱系列少妇在线播放| 中文字幕亚洲精品专区| 一级爰片在线观看| 成年av动漫网址| 国产在线男女| 美女被艹到高潮喷水动态| 日韩av在线免费看完整版不卡| 国产精品一区二区三区四区久久| 美女内射精品一级片tv| 亚洲精品成人av观看孕妇| 老女人水多毛片| 国产精品99久久久久久久久| 日本-黄色视频高清免费观看| 久久精品熟女亚洲av麻豆精品 | 在线免费十八禁| 亚洲不卡免费看| 中文资源天堂在线| 日日啪夜夜撸| 2018国产大陆天天弄谢| 国产av国产精品国产| 欧美一区二区亚洲| 在线 av 中文字幕| 国产亚洲av片在线观看秒播厂 | 免费av毛片视频| 日本猛色少妇xxxxx猛交久久| 18禁裸乳无遮挡免费网站照片| 国产精品伦人一区二区| 亚洲四区av| 久久久久精品性色| 99久久人妻综合| 国产亚洲精品av在线| 久久鲁丝午夜福利片| 国内少妇人妻偷人精品xxx网站| 国产精品福利在线免费观看| 国产精品爽爽va在线观看网站| 国产成年人精品一区二区| 国产免费视频播放在线视频 | 激情五月婷婷亚洲| 国精品久久久久久国模美| 少妇熟女欧美另类| 尤物成人国产欧美一区二区三区| 亚洲精华国产精华液的使用体验| 天堂中文最新版在线下载 | 国产成人精品婷婷| 最近视频中文字幕2019在线8| 亚洲综合精品二区| 亚洲国产成人一精品久久久| 99久久精品一区二区三区| 亚洲第一区二区三区不卡| 亚洲综合色惰| 亚洲高清免费不卡视频| 99热这里只有是精品在线观看| 赤兔流量卡办理| 欧美不卡视频在线免费观看| 成人毛片60女人毛片免费| 我的女老师完整版在线观看| 毛片一级片免费看久久久久| 少妇人妻精品综合一区二区| 免费人成在线观看视频色| 日韩伦理黄色片| 亚洲不卡免费看| 纵有疾风起免费观看全集完整版 | 欧美zozozo另类| 亚洲欧美成人精品一区二区| 高清av免费在线| 午夜久久久久精精品| 久久精品久久久久久噜噜老黄| 成人鲁丝片一二三区免费| 日本黄大片高清| 一二三四中文在线观看免费高清| 一级爰片在线观看| 男女啪啪激烈高潮av片| 天天躁日日操中文字幕| 日韩欧美一区视频在线观看 | 亚洲精品,欧美精品| 国产精品久久久久久av不卡| 国产伦精品一区二区三区四那| 亚洲美女视频黄频| 午夜爱爱视频在线播放| 免费无遮挡裸体视频| 亚洲av男天堂| 啦啦啦啦在线视频资源| 亚洲第一区二区三区不卡| 少妇裸体淫交视频免费看高清| 午夜久久久久精精品| av在线观看视频网站免费| 亚洲va在线va天堂va国产| 午夜免费男女啪啪视频观看| 国产不卡一卡二| 一级黄片播放器| 欧美三级亚洲精品| 偷拍熟女少妇极品色| 欧美一级a爱片免费观看看| 精华霜和精华液先用哪个| 中文乱码字字幕精品一区二区三区 | 秋霞伦理黄片| eeuss影院久久| 日韩 亚洲 欧美在线| 国产高清不卡午夜福利| 天美传媒精品一区二区| 免费人成在线观看视频色| 99久久精品热视频| 国产精品国产三级国产专区5o| 熟女电影av网| 搡老妇女老女人老熟妇| 一级毛片aaaaaa免费看小| 在线观看一区二区三区| 欧美xxxx性猛交bbbb| 大陆偷拍与自拍| 免费观看无遮挡的男女| 精品久久久久久久人妻蜜臀av| 国产伦精品一区二区三区视频9| 狂野欧美白嫩少妇大欣赏| 九九在线视频观看精品| 一个人免费在线观看电影| 亚洲在线自拍视频| 又大又黄又爽视频免费| 能在线免费观看的黄片| 一个人看的www免费观看视频| 嫩草影院精品99| 黄色欧美视频在线观看| 国产精品av视频在线免费观看| 如何舔出高潮| 亚洲熟女精品中文字幕| 成人鲁丝片一二三区免费| 蜜臀久久99精品久久宅男| 成年人午夜在线观看视频 | 日韩av在线免费看完整版不卡| 深爱激情五月婷婷| 欧美潮喷喷水| 久久久久久久久久黄片| 晚上一个人看的免费电影| 久久热精品热| 嫩草影院入口| 久久久久免费精品人妻一区二区| 久久精品久久久久久噜噜老黄| 国产乱来视频区| 亚洲欧美精品自产自拍| av国产久精品久网站免费入址| 久久亚洲国产成人精品v| 精品午夜福利在线看| 色尼玛亚洲综合影院| 91av网一区二区| 人妻系列 视频| 久久热精品热| 国产人妻一区二区三区在| 男的添女的下面高潮视频| 午夜福利视频1000在线观看| 欧美不卡视频在线免费观看| 免费大片18禁| 免费少妇av软件| 日韩大片免费观看网站| 中文字幕制服av| 亚洲国产精品sss在线观看| 老司机影院成人| 黄色日韩在线| 久久99热这里只频精品6学生| 18+在线观看网站| 少妇的逼好多水| 天堂网av新在线| 亚洲国产精品专区欧美| 国产69精品久久久久777片| 男女边摸边吃奶| 五月天丁香电影| 亚洲第一区二区三区不卡| 久久午夜福利片| 国产高清不卡午夜福利| 欧美成人a在线观看| 黄色一级大片看看| 校园人妻丝袜中文字幕| 在线播放无遮挡| or卡值多少钱| 国产欧美日韩精品一区二区| 五月玫瑰六月丁香| videos熟女内射| 久久久久精品久久久久真实原创| 国产在线一区二区三区精| 久久久久精品久久久久真实原创| 国产精品蜜桃在线观看| 美女大奶头视频| 免费黄色在线免费观看| 永久免费av网站大全| 五月天丁香电影| 身体一侧抽搐| 亚洲精品日本国产第一区| 永久网站在线| 亚洲精品国产av成人精品| 亚洲国产精品成人久久小说| 国产探花极品一区二区| 中国国产av一级| 久久久久免费精品人妻一区二区| 91久久精品国产一区二区三区| 精品国内亚洲2022精品成人| 七月丁香在线播放| 日韩欧美国产在线观看| 高清日韩中文字幕在线| 乱码一卡2卡4卡精品| 国产精品一及| 十八禁国产超污无遮挡网站| 99热网站在线观看| 日韩欧美国产在线观看| 免费电影在线观看免费观看| 国产在视频线在精品| 高清日韩中文字幕在线| 丝袜喷水一区| 777米奇影视久久| 免费黄频网站在线观看国产| 国产亚洲91精品色在线| 又黄又爽又刺激的免费视频.| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 热99在线观看视频| 亚洲av电影不卡..在线观看| 亚洲自拍偷在线| 晚上一个人看的免费电影| 亚洲精品视频女| 成年免费大片在线观看| 亚洲欧美日韩无卡精品| 亚洲精品456在线播放app| 欧美日韩精品成人综合77777| 午夜福利成人在线免费观看| 免费播放大片免费观看视频在线观看|