a A2 - Wang, Wei AU - Yang, Dongyu AU - Ye, Xinchen AU - Guo，宝隆PY - 2021 DA - 2021/03/25 TI -应用程序的多任务联合稀疏表示算法的中国画图像分类SP - 5546338六世- 2021 AB -提出了深入研究和分析的中国画图像分类的多任务的联合稀疏表示纹理特征提取算法提出了一种直接对原始图像进行纹理特征提取的方法。简化了图像灰度转换的过程，最大限度地保留了原始中国画图像中所包含的信息。该算法采用多色域分析和多尺度分析的思想，结合传统的灰度同值矩阵提取纹理特征。实验表明，多尺度灰度共现矩阵算法优于传统灰度共现矩阵算法和彩色灰度共现矩阵算法。通过多任务学习，综合了多特征对目标识别的识别能力，提高了算法的鲁棒性和泛化能力;同时，采用两级多任务学习模式排除大量无关字典原子的干扰，提高了识别精度。实验结果表明，与现有的稀疏表示SAR目标识别算法相比，该算法具有更高的识别精度和更好的鲁棒性。对不同配置的目标数据进行组态识别实验，实验结果表明，该算法比现有算法具有更好的组态识别准确率。 SN - 1076-2787 UR - https://doi.org/10.1155/2021/5546338 DO - 10.1155/2021/5546338 JF - Complexity PB - Hindawi KW - ER -