图正则化迁移稀疏概念编码的跨域图像分类

来源：计算机工程与应用杂志2019年第6期北京时间：

作者：孙登第1，孟欠欠1，2，马云鹏1，2

单位：1.安徽大学 计算机科学与技术学院，合肥 230601；2.安徽大学 计算智能与信号处理教育部重点实验室，合肥 230039

摘要：为克服不同图像域之间的特征“差异”，跨越分布“鸿沟”，提出了一种基于正则化迁移稀疏概念编码的跨域图像分类方法。将图像域间的分布差异性和标签相关性信息融入稀疏编码模型中，以学习跨域图像的鲁棒性稀疏表示，从高维的图像特征空间中挖掘图像低维流形结构，形成基向量集，构造跨域图像的迁移稀疏概念编码。该方法挖掘不同图像域之间的共同特征表达，实现了图像标签的跨域迁移。通过在多个图像数据库中的比较实验表明，该方法获得更为鲁棒的图像特征表达，其分类性能显著优于其他相关比较方法。

关键词：稀疏编码,流形结构,基学习,标签相关性,共同特征表达