局部保持“字典对”学习算法及其应用

字典学习（DL）方法近年来被广泛应用于解决各种计算机视觉领域的问题。现有的大部分字典学习算法均旨在学习一个综合型字典来表示输入信号，并使表示系数或表示误差具有一定的判别能力。这些字典学习算法大都需要对稀疏表示系数采用l0或者l1范数的约束，所以学习过程比较耗时。解析型字典学习的提出较为有效地解决了字典学习算法效率低的问题。在分类识别任务中，联合学习一个综合型字典和一个解析型字典正在成为一个热门的研究趋势，这不仅很大程度上降低了学习过程中的计算复杂度，而且在分类识别性能上也能有一定的提升。本文借鉴了最新提出的“字典对”学习思想，利用训练数据的局部结构信息，提出了局部保持的综合型-解析型“字典对”学习算法。在三个国际公开测试数据库（人脸识别库Extended YaleB、AR和图像分类库Caltech101）上的实验结果表明，局部保持的综合型-解析型“字典对”学习算法在准确率和效率方面都具有很好的性能。