鲁棒多视角潜在低秩表示的图像分类方法

来源：石河子大学学报·自然科学版杂志2024年第5期北京时间：

作者：申燕萍, 韩少勇, 顾苏杭, 郇战

单位：1 常州工业职业技术学院信息工程学院,江苏 常州 213164; <br/>2 常州大学计算机与人工智能学院,江苏 常州 213164; <br/>3 郑州银行博士后科研工作站,河南 郑州 450015; <br/>4 常熟理工学院电气与自动化工程学院,江苏 常熟 215500

摘要：随着5G和网络技术的飞速发展,大量互联网图像出现在人们的视野中。互联网图像的高维和噪声特性是图像分类问题的主要挑战。为提高互联网图像的识别性和鲁棒性,本文提出了一种鲁棒多视角潜在低秩表示(robustmulti-viewlatentlowrankrepresentation,RMLLRR)的图像分类方法。RMLLRR算法在低秩表示算法的框架上引入多视角学习的思想,根据视角互补性和一致性准则,利用多种特征得到图像全面的描述信息,最大化不同视角间的一致性和最小化视角间信息描述的分歧。RMLLRR算法使用潜在低秩表示的思想,过滤冗余特征和噪声信息,着重考虑图像主要特征信息和显著特征信息,使得模型更加鲁棒和分辨力。此外,RMLLRR算法运用ε-draggings技术学习类间大间隔的松弛标签矩阵,起到增强类别判别的作用。人脸数据集ORL、物体数据集COIL和对象识别数据集GRAZ的实验结果表明,在噪声环境下,RMLLRR算法在所有对比算法中取得了最好的分类结果,分类精度分别达到92.43%、98.95%和63.37%。

关键词：多视角学习,潜在低秩表示,ε-draggings技术,图像分类

基金资助：江苏省高职院校教师专业带头人高端研修项目(2023GRFX004)