%0 Journal Article
%T 基于字典学习的正则化鲁棒稀疏表示肿瘤细胞图像识别
%A 张永焕
%J 计算机应用
%D 2016
%R 10.11772/j.issn.1001-9081.2016.10.2895
%X 摘要 针对胃黏膜肿瘤细胞图像的高维性及复杂性的特点，为了提高稀疏表示图像识别的鲁棒性，提出了一种基于字典学习的正则化鲁棒稀疏表示（RRC）肿瘤细胞图像识别方法。该方法首先将所有的原始染色肿瘤细胞图像转化为灰度图像；然后利用具有Fisher判别约束的字典学习（FDDL）方法对肿瘤细胞图像训练样本的全局特征进行字典学习，得到具有类别标签的结构化字典；最后将具有判别性的新字典用于RRC模型进行分类识别。RRC模型是基于最大后验概率准则，将稀疏保真度表示为余项的最大后验概率函数，最终识别问题转化为求解正则化加权范数的优化逼近问题。将提出的识别方法应用于肿瘤细胞图像的最高识别率为92.4%，表明该方法能够有效地实现肿瘤细胞图像的分类
%K 稀疏表示分类
%K Fisher判别字典学习
%K 正则化鲁棒稀疏表示
%K 图像预处理
%K 肿瘤细胞图像识别
%U http://www.joca.cn/CN/abstract/abstract19883.shtml