首页 | 本学科首页   官方微博 | 高级检索  
     

结合稀疏编码的生物视觉特征提取方法
引用本文:钱康,霍宏,方涛. 结合稀疏编码的生物视觉特征提取方法[J]. 计算机工程, 2012, 38(13): 1-4
作者姓名:钱康  霍宏  方涛
作者单位:上海交通大学自动化系,上海200240;上海交通大学系统控制与信息处理教育部重点实验室,上海200240
基金项目:国家自然科学基金资助项目,国家“973”计划基金资助项目,国家教育部高等学校博士学科点专项科研基金资助项目
摘    要:在分析视皮层标准模型的基础上,从S2层的生物视觉机理出发,提出一种结合稀疏编码的生物视觉特征提取方法。对原始标准模型中C1层的输出进行稀疏编码,生成S2层的特征,并在此基础上产生C2特征。将标准模型产生的特征和该方法提取的特征应用于图像分类中进行对比实验,实验结果表明,与标准模型相比,该方法可以更有效地提取生物视觉特征。

关 键 词:生物视觉  视觉特征提取  标准模型  稀疏编码  C2特征  图像分类
收稿时间:2011-11-08

Biological Visual Features Extraction Method Combined with Sparse Coding
QIAN Kang , HUO Hong , FANG Tao. Biological Visual Features Extraction Method Combined with Sparse Coding[J]. Computer Engineering, 2012, 38(13): 1-4
Authors:QIAN Kang    HUO Hong    FANG Tao
Affiliation:a,b(a.Department of Automation;b.Key Laboratory of System Control and Information Processing,Ministry of Education,Shanghai Jiaotong University,Shanghai 200240,China)
Abstract:Based on the analysis of the standard model of visual cortex,the biological visual features extraction method combined with sparse coding is proposed inspired by the biological visual mechanism of S2 layer.In the method,S2 features is generated by sparse coding of the output of C1 layer,then C2 features is generated based on S2 features.The Standard Model Feature(SMF) and the Sparse Coding SMF(SCSMF) of the method are applied in the comparing experiments of image classification,and results show that the method can extract biological visual features more effectively than the standard model.
Keywords:biological vision  vision feature extraction  standard model  sparse coding  C2 features  image classification
本文献已被 CNKI 万方数据 等数据库收录!
点击此处可从《计算机工程》浏览原始摘要信息
点击此处可从《计算机工程》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号