图像分类研究现状

        图像分类包括图像样本的获取过程，图像特征提取过程和图像分类的过程。

特征提取是指为了保证分类器能够正常工作，需要对样本图像进行一些变换，并按某种准则选用对正确分类识别有作用的信息。而图像的分类通常包含了训练分类器和使用分类器进行分类的过程。近期，基于稀疏表示的方法在图像分类得到了广泛的应用，J Wright 等在文献[14]中提出了基于稀疏表示分类(SRC)的鲁棒人脸识别方法，其在噪声和遮挡环境下具有优秀的识别效果。Xue Mei 等在文献[12]中提出了结合稀疏分类与贝叶斯推理框架的识别算法，在此文献中，作者还提出了用细节模板对噪声，遮挡等干扰进行建模的方法，同时，该文献还提出了一种非负约束用以增强稀疏分类精度。宋相法等人在文献[15]中提出了一种基于稀疏表示的多标记学习算法。此算法充分利用隶属度对标记进行排序，进而完成分类。