低秩判别性字典学习及组织病理图像分类算法

摘要 针对组织病理图像分类中样本特征之间具有高度相关性的问题，本文提出了一种基于低秩约束的判别性字典学习算法，并将其应用于组织病理图像分类.与传统算法仅仅关注稀疏编码的低秩性不同，本文算法不仅同时优化了子字典对同类和非同类训练样本的重构性能，而且对类独有的子字典增加了低秩性约束.这一策略可以降低类独有的子字典原子之间的相似性，促进原子之间相互独立，从而学习出更具判别性、结构更紧凑的字典.在ADL数据集上的实验结果表明，与现有算法相比，本文提出的算法可获得更高的分类精度