字典学习

摘要： 为准确鉴别羊绒与羊毛纤维,提出了一种基于稀疏字典学习的分类方法。首先,对纤维图像进行预处理实现数据增强,获取纤维图像特征矩阵;之后,对特征矩阵进行字典学习,获取过完备字典与稀疏编码;最后,通过稀疏编码与字典实现羊绒与羊毛的分类和鉴别。该方法使用光学显微镜以及扫描电子显微镜图像作为数据集,实验结果表明,与支持向量机分类器以及基于稀疏表示的分类算法相比,本文方法的分类准确率可提高5%~10%,分类准确率最高可达到91%,可用于后续实际的羊绒与羊毛纤维分类与鉴定工作。

摘要： [目的]波形分集技术是一种有效对抗距离假目标干扰的舰载雷达抗干扰的措施,但在强干扰环境下信号失配产生的较高旁瓣依然会影响雷达探测性能。因此,为了能够更好地抑制大功率距离假目标的干扰,提出一种基于字典学习的干扰消除方法。[方法]首先,建立与目标和干扰信号对应的初始化字典;然后,将选取的原子与初始化字典生成自相关矩阵模板,采用非齐次线性均方估计求得匹配系数,再通过模板与匹配系数分别构建目标和干扰对应的近似准Karhunen-Loèv变换基;最后,利用凸优化算法实现目标和干扰信号的分离与恢复。[结果]仿真试验结果表明,所提方法可以在干信比30 dB时有效对抗一个或多个距离假目标的干扰。[结论]相较于传统雷达波形分集技术,该方法在高干信比环境下依然保持良好的抗干扰性能,可用于舰载雷达对抗大功率距离假目标干扰。

摘要： 地震数据的稀疏性是压缩感知地震数据重建的重要前提,其直接影响地震数据的重建精度,因此研究高效的地震数据稀疏表示方法具有重要意义。针对经典K-SVD算法稀疏编码时无法得到全局最优解,不能保证收敛从而影响重建精度的问题,这里提出快速字典学习算法稀疏表示地震数据的方法。快速字典学习将稀疏表示目标优化问题转换为两个可直接求解最值的子优化问题,且将稀疏约束上限与字典相干性关,将快速字典学习算法应用于压缩感知地震数据重建。模拟地震数据以及大庆油田实际地震数据仿真验证结果表明,基于快速字典学习的压缩感知地震数据重建不仅能更好地重建地震数据细节,而且耗时少。

摘要： 针对噪声污染、光照变化等复杂环境下人脸图像识别问题,提出一种改进标签一致KSVD字典学习的人脸识别算法。该算法通过改变标签一致KSVD算法的字典更新方式,用主成分分析算法分解误差项,用最大特征值对应的特征向量修改字典原子。通过字典学习过程得到原子与类别标签对应的判别性字典。目标函数综合了重建误差、稀疏编码误差和分类误差。最后,在分类阶段利用学习到的字典和分类器参数对测试样本进行分类。在有光照变化的Extend Yale B人脸库、表情变化以及遮挡影响的AR人脸库上分别取得了99.01%和97.94%的平均识别率。同时,在有噪声存在的情况下,该算法具有较好的鲁棒性。

摘要： 针对地震资料的质量一直是制约数据处理解释结果的重要因素,而且随着新技术的开发,采集到的数据量也在不断加大,噪声的存在也不可避免,因此去噪成为了一大问题,这里应用压缩感知理论,分别以DCT与K-SVD学习字典为稀疏基对不同层位的模型数据进行测试,之后对某工区的实际地震剖面进行处理。结果表明:DCT字典去噪时会损害原地震信号的高频信息,而K-SVD学习字典的效果明显优于DCT字典,在去除噪声的同时对原地震信号的信息能够很好地保留,但由于迭代次数的增加,处理时间较长,应用基于压缩感知理论的OMP算法进行迭代运算,加快了K-SVD学习字典的计算速度,且能重建恢复原信号,为后面的解释工作打下良好的基础。

摘要： 在基于字典学习的织物疵点图像分类的过程中,由于复杂纹理的织物图像背景结构的复杂性、瑕疵信息的形态多样性、瑕疵信息的隐蔽性,导致基于字典学习的织物疵点分类方法存在不能有效提取织物疵点特征问题,为了解决该问题,本文提出一种针对织物疵点特征的基于LDA (线性判别分析)的类别约束字典学习分类方法。首先,重新构建稀疏表示模型,在抑制类内差异和类间模糊的面向判别性特征的字典学习优势上对稀疏系数进行线性判别约束,自适应获取织物图像的有效信息进行分析,使得字典学习中不同织物图像的稀疏系数具有更好的鉴别能力,获得具有织物判别特征的织物字典。然后,利用织物字典对测试样本进行稀疏表示得到的重构误差向量构建分类器进行分类。最后,在阿里云天池布匹疵点检测数据库、实时工厂收集的织物数据集以及本文课题组采集的少量疵点织物图像上验证本文方法的有效性。在不同的织物数据集实验结果表明,本文提取的织物特征字典分类效果更好。

摘要： 为了提高遥感图像场景分类的准确率,提出层次型非线性子空间字典学习(HNSDL)方法.用所提方法训练多层网络模型学习多层非线性变换.将遥感图像投影到子空间中,构建稀疏编码和投影编码的局部信息保持项,在保持局部结构信息的同时最小化样本的类内差异,增强模型的分类识别能力.在模型目标式求解中,使用交替学习算法求解子空间和字典的联合学习任务,使所有参数同时达到最优解.在Ucmerced、Google和WHU-RS数据集上进行实验设计和测试,结果表明所提方法在遥感图像的多种场景分类上均表现出较高的分类准确率.

摘要： 新一代能源互联网的数据采集须具有实时性、同步性和准确性。文章从同域采样与压缩采样结合的全新角度,提出一种可应用于新一代能源互联网的基于压缩感知的数据采集新方法。该方法在数据采集流程中,充分利用了压缩感知的同域空间投影和压缩信息测量的优势,并结合新一代能源互联网的数据特征,在KSVD(K-Singular Value Decomposition)字典学习算法的基础上,实现采集方法的数据稀疏化处理和数据传输处理。实验结果表明,所提方法具有优秀的数据传输量和重构精度,满足新一代能源互联网数据采集的应用要求。

摘要： 传统基于稀疏表示的人脸识别方法因未充分利用样本包含的信息,而存在较低的鲁棒性和识别率等问题.提出基于小波变换的多字典人脸识别方法.提取人脸图像的多尺度纹理特征,构建多字典,每个字典分别对应样本的原始图像和不同尺度的纹理信息.为提高人脸识别的准确性,在训练阶段利用相同的系数表示将不同字典相关联,深入挖掘了人脸图像与其不同尺度纹理间的共性,探索人脸不同特征的内在联系.较仅聚焦于样本单一特征的传统方法,克服了忽视样本不同特征间联系的不足,更深刻地挖掘训练样本人脸特征且突出了不同类训练样本的个性特征.在多个人脸数据库上的实验结果表明,识别性能有明显的提升.

摘要： 字典学习通常采用线性函数捕获数据潜在特征,该方式无法充分提取数据的内在特征结构,近年来深度学习方法因其强大的特征表示能力而备受关注,由此本文提出一种结合深度学习与字典学习的非线性特征表示策略,基于深度神经网络的字典学习(deep neural network-based dictionary learning,DNNDL).DNNDL将字典学习模块融入传统深度学习网络结构中,在通过自编码器进行映射获取的低维嵌入空间中同时学习数据字典及在其上的稀疏表示系数,从而实现端到端方式的数据潜在特征提取.DNNDL可为已有数据以及样本外点数据生成紧凑且具判别性的表示.DNNDL不仅是一种新的深度学习网络结构,并且可将其看作为字典学习和深度学习相结合的统一框架.通过在4个真实数据集上进行的大量实验,验证表明所提方法较常用方法具有更好数据表示能力.

摘要： 目前，我国大多数主力油田已经进入勘探开发中后期，面临的勘探目标越来越小，地质情况越来越复杂，常规地震资料的分辨率已经远远不能满足油田精细勘探开发的需求。而具有高分辨率的地震资料，可以用来进行有效的反演和地质解释，为实现精细油藏描述奠定坚实的基础。提出了一种基于字典学习和稀疏表示的地震资料超分辨率方法(DLSR).该方法利用测井数据,结合正演褶积模型得到部分采样间隔更小,频带更宽的高分辨率地震合成记录,然后结合其所在测井位置采集到的低分辨率地震数据,采用稀疏字典学习方法学习二者间的匹配模式,即测井位置的合成高分辨率地震数据与实际低分辨率地震数据之间的关联关系;此后,该方法将学得的关联关系应用到无井位置的实际低分辨率地震数据的分析中,重构出更高分辨率的、更低采样间隔的合成地震数据.理论模型测试表明,相比普通的插值方法,该超分辨率方法显著地提高了资料的分辨率,具有一定的可靠性和实用性.

摘要： 在基于固定字典的形态分量分析(Morphological Component Analysis,MCA)方法基础上,提出了字典学习形态分量分析的滚动轴承故障诊断方法.分别以轴承内圈、外圈故障信号为训练样本,应用K-SVD(K-Singular Value Decomposition)字典学习算法对训练样本学习字典,寻求最优的字典空间;将学习到的字典取代MCA中的固定字典,根据信号所包含各成分的形态差异性,利用MCA对滚动轴承故障信号中的内、外圈故障特征和噪声成分进行分离;对包络后的故障特征分量做频谱分析诊断轴承的故障及部位.应用实例结果表明:该方法能在强噪声环境下有效地提取滚动轴承内、外圈的故障特征,性能优于固定字典的MCA方法,为MCA方法在选取字典时提供了新思路.

摘要： CT图像重建中关于不完全投影角度的重建研究是一个研究热点.将压缩感知中字典学习理论与CT重建算法ART迭代算法相结合,并用于CT图像重建中.本文字典学习方法中字典更新采用K-SVD(K-奇异值分解)算法,稀疏编码采用OMP(正交匹配追踪)算法.最后通过对标准Head头部模型进行不完全投影的仿真实验,实验结果验证了字典学习方法在CT图像重建中对于提高图像的重建质量和抑制噪声的可行性与有效性.

摘要： 图像在获取、传输等过程中会受到干扰,造成图像模糊不清.传统去模糊方法需要根据模糊原因估计出相应的点扩散函数(PSF),然后进行反卷积估计出原始图像.本文借鉴K-SVD算法,利用对模糊图像进行训练得到自适应字典；并利用计算量相对较小且收缩速度较快的PCD算法来求解稀疏解.实验结果表明,相对传统图像去模糊算法和固定字典算法,自适应的字典学习算法能达到更好的去模糊效果.

摘要： 近年来,基于字典学习的稀疏表示方法在机械故障诊断领域越来越受关注.在K-SVD算法的基础上,提出了一种迭代K-SVD算法.该算法将原始K-SVD算法重构的信号作为初始信号,继续执行K-SVD算法,如此迭代若干次.滚动轴承实测振动信号的分析结果表明,迭代K-SVD算法在降噪效果方面要优于原始算法,并且能够比基于解析字典的OMP算法更为准确地提取滚动轴承故障冲击特征.

摘要： 目前,稀疏表示用于高光谱遥感影像分类多是基于像素层次来处理的,本文提出一种面向对象的高光谱遥感影像稀疏表示分类方法.首先从高光谱影像中提取四个波段组成标准的多波段影像,进行面向对象的影像分割;然后计算各对象在各波段上的光谱均值,选取少量样本进行训练;最后利用基于Fisher字典学习的稀疏表示进行高光谱遥感影像的分类.实验结果表明该方法可以利用较少的样本得到较好的分类效果,与基于像素层的稀疏分类相比较,分类精度与效率均有所提高,分类结果更接近真实地物,避免了零碎图斑.

摘要： 近年来,用稀疏表示理论降噪的方法,因不需要先验地获取信号和噪声的统计特性而成为研究热点.本文针对含有高斯白加性噪声的遥感图像,提出了一种稀疏表示的自适应字典学习的图像降噪方法.基于噪声图像采用K-SVD算法对过完备字典进行自适应学习,由此获得的字典能够根据输入遥感图像的不同做出自适应的变化,能更好的反应图像的本质特征.

摘要： 多震源混合地震采集技术(Blending acquisition)的发展急需配套的混合地震记录分离方法,将多震源混合地震记录分离为常规的单炮地震记录,进而利用已有的流程进行后续处理.本文结合信号的稀疏表示理论,重点开展基于稀疏反演的多震源混合地震记录分离方法研究.构建多震源混合地震记录分离的反问题表示,将模型基于字典学习的稀疏表示作为约束(正则化),采用迭代交替更新的优化策略分离地震记录.实际算例表明,相比较于基于固定字典的方法,本文给出的方法能够恢复出更高信噪比、更好保真度的常规地震记录.

摘要： 高光谱遥感影像具有图谱合一的有点,能够以较高的光谱争端能力对地物目标进行精细分类与识别,大大增强了地物信息的提取能力.近年来,随着对地观测传感技术的不断发展,高光谱遥感影像的空间分辨率正在逐步提升,影像空间细节特征得到更加精确表达,地物的纹理、形状、次存以及相邻地物的拓扑关系得到更清晰的呈现.利用空-谱关系构造多源遥感特征能够有效的提高高光谱遥感影像的解译精度.在本文中作者将进一步构造混合字典-分类器学习一体化过程，在不同类别源表示系数之间的类别唯一性构造紧致稀疏约束。通过实验，可以发现所提方法能够有效的利用各类训练样本获得合理的分类结果，并能够大大的提高分类效率，具有相当的优越性。

摘要： 本文研究了迭代反投影重建的方法与基于字典学习和稀疏表示的重建方法,设计了这两种重建算法.对资源三号三线阵影像数据进行了重建试验,通过分析重建影像效果,结果表明字典学习稀疏表示得到的重建资源三号影像效果要好于迭代反投影方法。

摘要： 本发明公开了字典压缩方法、字典解压缩方法与字典建构方法，其中字典压缩方法的一个实施例包含：接收数位资料，所述数位资料包含复数个资料区块；以及依据一多层级字典压缩算法压缩所述数位资料，其中所述多层级字典压缩算法包含第一、第二与第三字典压缩规则。所述第一字典压缩规则以N个所述资料区块为单位范围来进行压缩处理；所述第二字典压缩规则以M个所述资料区块为单位范围来进行压缩处理；所述第三字典压缩规则以L个所述资料区块为单位范围来进行压缩处理，所述N、M、L为正整数且不大于所述复数个资料区块的总数，且所述N大于所述M，所述M大于所述L。

摘要： 本发明公开了字典压缩方法、字典解压缩方法与字典建构方法，其中字典压缩方法的一个实施例包含：接收数位资料，所述数位资料包含复数个资料区块；以及依据一多层级字典压缩算法压缩所述数位资料，其中所述多层级字典压缩算法包含第一、第二与第三字典压缩规则。所述第一字典压缩规则以N个所述资料区块为单位范围来进行压缩处理；所述第二字典压缩规则以M个所述资料区块为单位范围来进行压缩处理；所述第三字典压缩规则以L个所述资料区块为单位范围来进行压缩处理，所述N、M、L为正整数且不大于所述复数个资料区块的总数，且所述N大于所述M，所述M大于所述L。

摘要： 本发明的目的是生成用于监视文本信息的字典，使得与现有技术相比，可以实现高精度检测。特征度计算单元(3)比较正例集合和反例集合的统计量，并且将感兴趣短语出现在正例集合中的程度计算为特征度。对于由短语提取单元(1)提取的每一短语，有用度计算单元(21)通过使用短语的长度、短语出现在正例集合中的频率、以及与短语之间的包含关系有关的指标，来计算有用度。检测条件判定单元(22)使用由有用度计算单元(21)计算的有用度和由特征度计算单元(3)计算的特征度来通过有用度和特征度的乘积，评估每一短语作为检测条件的适当性，并且当乘积的值大于阈值时，确定该短语适合检测条件。

摘要： 本发明涉及自然语言处理领域。本发明公开了一种字典学习方法，所述字典学习方法包括以下步骤：从未标注的语料中学习词典和统计语言模型；利用统计语言模型来优化所述词典；并将优化后的词典、统计语言模型以及辅助词编码信息整合为小尺寸的字典。此外，还公开了一种字典学习装置，能够实现上述字典学习方法。

摘要： 本发明公开了一种基于字典学习和机器学习的无参考立体图像质量评价方法，其首先对左、右视点图像实施log‑Gabor滤波，得到各自的幅值和相位信息，然后对幅值和相位信息进行局部二值化操作，得到左、右视点图像的局部二值化模式特征图像；其次，采用双目能量模型对左、右视点图像的幅值和相位信息进行融合，得到双目能量信息，并获取双目能量信息的局部二值化模式特征图像；接着，采用协作表示算法，对左、右视点图像和双目能量信息的局部二值化模式特征图像进行字典学习，得到双目视觉感知稀疏特征信息，最后获得待评价的失真立体图像的客观质量评价预测值；优点是其能够充分考虑到立体视觉感知特性，能够有效地提高客观评价结果与主观感知之间的相关性。

摘要： 本发明公开了一种基于深度矩阵字典的字典学习方法，该方法提出深度矩阵字典学习模型，与传统字典学习方法不同的是，避免数据向量化而引发的数据结构信息被破坏问题，而是直接将矩阵数据表示作为字典训练集，并采用深度多层字典训练方式，提高模型对数据的表达能力。该模型具有多层字典结构和数据矩阵表示形式，能够更好表示矩阵数据全局信息和局部信息，最大程度恢复数据空间结构特性。字典训练阶段，进行深度矩阵字典训练，采用贪婪优化算法优化，得到深度矩阵字典及对应稀疏表示系数。直接利用数据的矩阵表示，提出深度矩阵字典学习模型，通过字典训练得到深度矩阵字典，既考虑矩阵数据自身结构特征信息，又使该模型具有更高效的数据表达能力。

摘要： 本发明公开了一种类别特色和共享字典学习的人脸表示算法，所述人脸表示算法主要包括类别特色字典学习算法和共享字典学习算法两大模块；所述类别特色字典学习主要通过约束类别子字典之间尽量相互不相关以及稀疏系数类内方差尽量小类间方差尽量大，提高类别子字典和稀疏系数的辨别性。所述的类间共享字典是为了得到测试样本可能包含的各种复杂的变化本发明的积极效果在于为训练样本为正常人脸、测试样本包含复杂变化的人脸表示方式提供理论支撑，为提高人脸识别的效率提供了实验依据。

摘要： 本发明公开了基于数据依赖的核学习和字典学习的图像分类及识别方法，通过把核学习应用到基于核方法的黎曼流形字典学习和稀疏编码方法上，同时优化核参数、字典学习和稀疏编码三个变量，学习最优的核参数和字典，利用学习到的核参数和字典可以得到更好的编码结果，提高图像的分类和识别效果，并对图像质量问题具有较好的鲁棒性。本发明还提供一种图像分类及识别装置、终端及存储介质。

摘要： 本发明公开了一种基于联合稀疏表示和多视图字典学习的学习方法，先对稀疏ε‑图形产生视图进行产生k个视图，然后通过处理后把视图送入到多视图联合稀疏表示，从而利用多视图字典学习，利用训练包的数据学习字典，运用字典学习匹配作为分类训练器。与采用常规分类器的方法不同，本发明具有在保证精准度的前提下速度得到很大提升，节约了时间，而且对参数的要求简单，可应用在更广泛的领域。

摘要： 本发明公开了一种基于字典学习和机器学习的无参考立体图像质量评价方法，其首先对左、右视点图像实施log-Gabor滤波，得到各自的幅值和相位信息，然后对幅值和相位信息进行局部二值化操作，得到左、右视点图像的局部二值化模式特征图像；其次，采用双目能量模型对左、右视点图像的幅值和相位信息进行融合，得到双目能量信息，并获取双目能量信息的局部二值化模式特征图像；接着，采用协作表示算法，对左、右视点图像和双目能量信息的局部二值化模式特征图像进行字典学习，得到双目视觉感知稀疏特征信息，最后获得待评价的失真立体图像的客观质量评价预测值；优点是其能够充分考虑到立体视觉感知特性，能够有效地提高客观评价结果与主观感知之间的相关性。