基于双稀疏正则的图像集距离学习

来源：软件学报杂志2017年第8期北京时间：

作者：刘博,景丽萍,于剑

单位：刘博，交通数据分析与挖掘北京市重点实验室(北京交通大学), 北京 100044;河北农业大学 信息科学与技术学院, 河北 保定 07100011,景丽萍，交通数据分析与挖掘北京市重点实验室(北京交通大学), 北京 10004402,于剑，交通数据分析与挖掘北京市重点实验室(北京交通大学), 北京 10004403

摘要：随着视频采集和网络传输技术的快速发展以及个人移动终端设备的广泛使用，大量图像数据以集合形式存在.集合内在结构的复杂性使得如何度量集合间距离成为图像集分类的一个关键问题.为了解决这一问题，提出了一种基于双稀疏正则的图像集距离学习框架（double sparse regularizations for image set distance learning，简称DSRID）.在该框架中，两集合间距离被建模成其对应的内部典型子结构间的距离，从而保证了度量的鲁棒性和判别性.根据不同的集合表示方法，给出了其在传统的欧式空间以及两个常见的流形空间，即对称正定矩阵流形（symmetric positive definite matrices manifold，简称SPD manifold）和格林斯曼流形（Grassmann manifold）上的实现.在一系列的基于集合的人脸识别、动作识别和物体分类任务中验证了该框架的有效性.

关键词：图像集分类;稀疏表示;距离学习;流形学习;子空间学习

基金资助：国家自然科学基金（61370129，61375062，61632004）； CCF-腾讯犀牛鸟基金（RAGR20150116）；长江学者和创新团队发展计划（IRT201206）；保定市科学技术和知识产权局项目（16ZG026）