11、图像分类、去噪与手势检测技术研究

图像分类、去噪与手势检测技术研究

1. 超像素联合稀疏表示分类技术实验

1.1 实验设计

为了展示新型组件自适应超像素联合稀疏表示分类（CASJSRC）技术的有效性，将其与其他类似的先进稀疏表示技术进行比较，包括 SLIC、ISLIC 和 ERS。由于 CASJSRC 可能会产生一些只有少量像素的超像素，因此应用了一种名为清理（cleanup）的后处理方法，将这些超像素合并到其相邻区域，这种方法被称为带清理的组件自适应超像素联合稀疏表示分类（CASJSRC - C），也纳入比较范围。

在实验中，两个数据集使用相同的参数。对于不同的阈值 λ = [25, 50, 75, 100, 125, 150, 175, 200]，对 CASJSRC 和 CASJSRC - C 进行测试。为保证公平性，使用公式 n = N_sup/λ（N_sup 为总像素数）为 SLIC、ISLIC 和 ERS 计算超像素数量 n。智能采样阈值固定为 T = 300，清理阈值固定为 s = 5，所有技术的稀疏级别 K 选择为 3。

1.2 实验结果

使用遥感社区提供的标准化测试和训练集评估方法的潜力，每个技术通过三个定量指标进行评估：总体准确率（OA）、平均准确率（AA）和卡帕（κ）准确率。

技术	数据集	OA	AA	κ
SLIC	Pavia univer