Low-rank decomposition and Laplacian group sparse coding for image classification
Low-rank decomposition and Laplacian group sparse coding for image classification
复制标题
用于图像分类的低秩分解和拉普拉斯群稀疏编码
DOI：
10.1016/j.neucom.2013.12.032
复制
发表时间：
2014-07
期刊：
影响因子：
6
通讯作者：
Ma Chen
中科院分区：
文献类型：
--
作者：
Zhang Lihe;Ma Chen
本文提出了一种新的图像分类框架（简称LR LGSC），利用低秩矩阵分解和拉普拉斯群稀疏编码。首先，从图像中相邻块提取的局部特征（如SIFT）通常包含相关（或共同）项和特定（或噪声）项，我们基于局部特征的低秩和稀疏分量构建了一个结构化字典。该词典具有更强的表示能力。然后，我们研究组生成组稀疏编码，并引入拉普拉斯约束，考虑到组之间的相互关系，这可以保持低的重建错误，同时促使类似的样本有类似的代码。最后，使用线性SVM分类器进行分类。该方法在Caltech-101、UIUC-sports和Scene 15数据集上进行了测试，取得了与现有方法相比具有竞争力或更好的结果。
This paper presents a novel image classification framework (referred to as LR-LGSC) by leveraging the low-rank matrix decomposition and Laplacian group sparse coding. First, motivated by the observation that local features (such as SIFT) extracted from neighboring patches in an image usually contain correlated (or common) items and specific (or noisy) items, we construct a structured dictionary based on the low-rank and sparse components of local features. This dictionary has more powerful representation capability. Then, we investigate group generation for group sparse coding and introduce a Laplacian constraint to take into account the interrelation among groups, which can maintain low reconstruction errors while prompting similar samples to have similar codes. Finally, linear SVM classifier is used for the classification. The proposed method is tested on Caltech-101, UIUC-sports and Scene 15 dataset, and achieves competitive or better results than the state-of-the-art methods.
登录
查看更多内容
DOI：
10.1023/b:visi.0000029664.99615.94
发表时间：
2004-11-01
影响因子：
19.5
作者：
Lowe, DG
通讯作者：
Lowe, DG
影响因子：
6
作者：
R. Hecht-Nielsen
通讯作者：
R. Hecht-Nielsen
DOI：
10.1109/cvpr.2011.5995682
发表时间：
2011-06
期刊：
CVPR 2011
影响因子：
--
作者：
Yongzhen Huang;Kaiqi Huang;Yinan Yu;T. Tan
通讯作者：
Yongzhen Huang;Kaiqi Huang;Yinan Yu;T. Tan
DOI：
10.1109/iccv.2009.5459178
发表时间：
2009-09
期刊：
2009 IEEE 12th International Conference on Computer Vision
影响因子：
--
作者：
Jianxin Wu;James M. Rehg
通讯作者：
Jianxin Wu;James M. Rehg
DOI：
10.1109/34.868688
发表时间：
2000-08-01
影响因子：
23.6
作者：
Shi, JB;Malik, J
通讯作者：
Malik, J