题目：基于稀疏约束的图像分类与识别技术研究

图像分类识别是计算机视觉和机器学习等领域的研究热点，而特征提取一直是图像分类识别的基本问题，如何提取出能够有效描述图像的特征表示从而反映图像的认知特性是特征提取的关键所在。近年来的研究表明，稀疏表达可以在一定程度上模拟人类的感知系统，揭示图像的高层特征表示从而有利于图像分类识别。本文以挖掘图像的高层特征表示为研究思路，开展了基于稀疏约束的图像分类识别研究，主要完成的工作包括：

1、提出了基于弹性网稀疏编码的分类识别方法。采用弹性网稀疏编码对图像的局部特征进行编码，克服了传统稀疏编码在编码过程中没有考虑组效应的问题，增强了稀疏编码的表示能力。COIL-20多视点物体数据库上的实验验证了该方法的有效性，同时该方法在空间目标分类识别应用中也取得了具有应用价值的实验结果。

2、提出了基于低秩表示和协同近邻表示的分类识别方法。采用低秩表示对图像的稀疏编码特征进行低秩稀疏分解，挖掘编码系数之间的同一性和差异性，并由此利用协同近邻表示对低秩稀疏分解之后的编码系数进行编码，提高了图像的特征表示能力，并在ETH-80多视点物体数据库上取得了较优的分类识别结果。

3、提出了正则化最小二乘鉴别投影及行稀疏约束的特征选择。采用正则化最小二乘方式构造图嵌入结构，避免了基于图嵌入的子空间学习在构造图嵌入过程中存在的近邻参数选择问题，提高了算法的鉴别性能，同时利用行稀疏最小化进一步约束图嵌入中的投影矩阵，实现了投影过程中的特征选择。ORL和AR人脸数据库以及COIL-20多视点物体数据库上的实验验证了该方法在人脸识别和物体分类中取得了较优的分类识别效果。

4、提出了基于自适应近邻选择和低秩表示的半监督鉴别分析。采用自适应近邻选择的方法对带有类别信息的样本构造图嵌入结构，同时利用低秩表示挖掘不带类别信息样本的全局结构，增强了半监督学习的能力。ORL和FERET人脸数据库上的实验表明该方法有着较好的识别结果，并对噪声具有较好的鲁棒性能。

5、提出了基于稀疏编码约束的主题模型。采用稀疏编码挖掘概率潜在语义分析模型中局部特征描述子与多个单词之间的潜在关系，并进一步利用稀疏编码约束了文档之间的相似性，在此基础上获取更具鉴别能力的潜在主题表示。ETH-80多视点物体数据库上的实验表明该方法有着较优的分类识别效果，同时该方法在高分辨率遥感图像地表覆盖分类识别中也取得了具有实际应用价值的实验结果。

文章最后对全文工作进行了总结， 并对下一步工作进行了展望。