计算机科学与探索

作者：杨章静, 王文博, 黄璞, 张凡龙

单位：南京审计大学 信息工程学院，南京 211815

关键词：自编码器,子空间学习,低秩,降噪,图像分类

针对判别最小二乘回归（DLSR）对图像噪声鲁棒性不佳的问题，提出一种基于潜子空间去噪的子空间学习图像分类方法（DLSSL）。该方法在架构上不同于现有基于回归的分类方法，其在视觉空间与标签空间中引入一个潜在子空间，将传统的图像分类框架改进为两步，即先降噪后分类。该方法先通过欠完备自编码将数据的高阶特征提取到潜在空间，再利用此高阶特征进行回归分类，同时辅以组核范数约束控制类内样本间距离。潜在子空间的引入为算法框架带来了更多灵活性，缓解了视觉空间与标签空间中数据维度与特性的差异，使得欠完备自编码可以有效地对数据进行降噪，提升了分类算法的鲁棒性。在人脸、生物指纹、物体和深度特征数据集上设计了多组对比实验，实验结果表明，算法对于图像中的噪声具有较强的鲁棒性，获得的投影矩阵具有良好的判别性，相比现有图像分类算法，性能更好、普适性更强，能有效地运用于各种图像分类任务。

来源：2021年第12期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2021年第12期