基于字典学习的正则化鲁棒稀疏表示肿瘤细胞图像识别
来源：计算机应用杂志2016年第10期北京时间：
作者：甘岚, 张永焕
单位：华东交通大学 信息工程学院, 南昌 330013
摘要：针对胃黏膜肿瘤细胞图像的高维性及复杂性的特点，为了提高稀疏表示图像识别的鲁棒性，提出了一种基于字典学习的正则化鲁棒稀疏表示（RRC）肿瘤细胞图像识别方法。该方法首先将所有的原始染色肿瘤细胞图像转化为灰度图像；然后利用具有Fisher判别约束的字典学习（FDDL）方法对肿瘤细胞图像训练样本的全局特征进行字典学习，得到具有类别标签的结构化字典；最后将具有判别性的新字典用于RRC模型进行分类识别。RRC模型是基于最大后验概率准则，将稀疏保真度表示为余项的最大后验概率函数，最终识别问题转化为求解正则化加权范数的优化逼近问题。将提出的识别方法应用于肿瘤细胞图像的最高识别率为92.4%，表明该方法能够有效地实现肿瘤细胞图像的分类。
关键词：稀疏表示分类,Fisher判别字典学习,正则化鲁棒稀疏表示,图像预处理,肿瘤细胞图像识别
基金资助：国家自然科学基金资助项目（140110S3）。
