[01568114]基于稀疏表示的图像分类识别关键技术研究

本项目的研究属于应用基础研究。近年来,国内外学者针对稀疏表示理论开展了广泛的研究,在理论基础及算法实现方面取得了长足的进展,但应用方面的研究尚不深入。本项目针对图像分类识别的难题,在特征提取及分类算法两个层次上引入稀疏表示的思想,并针对稀疏表示理论在图像分类识别应用中的若干关键问题开展深入研究。首先通过构造具有良好高维奇异性表达能力的对偶树Contourlet变换,并将变换系数的统计特性融入到HMT模型,探索模型隐状态及参数估计的新方法,提取图像的纹理及形状特征,解决传统特征提取方法对光线变化、尺度变化敏感等问题;然后在CS的稀疏表示框架下,研究训练集（样本字典）构造、样本畸变（噪声、遮挡、视角变化）处理、测试样本稀疏表示等问题,从而提出了系列基于稀疏表示的图像处理方法,并探索了在图像分类识别方面的应用,此项目的实施,为稀疏逼近、模式识别、优化理论等的研究注入新的思想方法和活力。 本项目以遥感云图处理为例,在构建对偶树Contourlet变换及Tetrolet变换实现图像稀疏表示的基础上,首先针对卫星云图在获取过程中会出现数据缺失的问题,提出了一种云图数据修复方法,同时,实现了一种基于过完备字典稀疏表示的红外云图超分辨率算法,解决了红外与可见光云图空间分辨率不一致的问题;接着,针对卫星云图数据量大,但传输通道和存储空间相对狭小的问题,借助多尺度几何分析对云图纹理细节优良的稀疏表示能力,并根据相邻时次云图间的时空相关性,在总测量数据量不变的情况下,通过在云图组间重新分配采样率,提出了一种新的云图压缩传感重建方案,该方案可以通过获取少数随机测量值,重构出高质量的云图组,这不仅为云图数据的低比特率压缩提供了一种可行的解决方案,而且对于其它序列图像的压缩采样具有借鉴意义;最后,课题组基于稀疏分类模型,提出了一种基于过完备字典稀疏表示的云分类算法,同时结合模糊SVM技术,研究了积雨云检测方法,并探索了稀疏表示理论在人脸识别方面的应用。 通过此项目的实施,课题组探索了稀疏表示理论在图像分类识别等方面的应用潜力,研究成果这不仅为稀疏逼近、调和分析、优化理论等的研究注入新的思想方法和活力,而且可对关乎国计民生的诸多领域如：医学成像、数字电视、视频监控等的发展产生推动作用,具有广阔的市场价值和社会经济效益,有利于增强宁波的经济竞争力,推动“数字宁波”的建设步伐。下一步,课题组将依托宁波大学信息学院多媒体工程中心,完善技术并将其推广应用到医学影像处理、卫星遥感、工业监控等行业中,如可与医院合作,把研究成果应用到医学影像分析系统中;进一步加强与气象服务部门合作,把研究成果应用到实际卫星云图分析中,提高云类识别及强对流云团跟踪等方面的处理水平。