用于图像表示的图正则化张量稀疏编码
计算机视觉与模式识别
2017-03-29 v1
摘要
稀疏编码（SC）是一种无监督学习方案，近年来受到越来越多的关注。然而，传统的SC将输入图像向量化，这破坏了图像固有的空间结构。在本文中，我们提出了一种用于图像表示的新型图正则化张量稀疏编码（GTSC）。GTSC通过采用新提出的管状张量表示，保留了图像中基本结构的局部邻近性。同时，它通过施加图正则化考虑了固有的几何性质，该图正则化已成功应用于揭示图像数据的几何分布。此外，GTSC返回的稀疏表示具有更好的物理解释，因为管状张量模型中的关键操作（即循环卷积）保留了平移不变性。图像聚类上的实验结果证明了所提方案的有效性。
引用
@article{arxiv.1703.09342,
title = {Graph Regularized Tensor Sparse Coding for Image Representation},
author = {Fei Jiang and Xiao-Yang Liu and Hongtao Lu and Ruimin Shen},
journal= {arXiv preprint arXiv:1703.09342},
year = {2017}
}