计算机应用研究

作者：周国华,韩少勇,徐亦卿,顾晓清,殷新春,

单位：1.常州工业职业技术学院信息工程学院,江苏常州213164；2.扬州大学信息工程学院,江苏扬州225127；3.铜陵学院数学与计算机学院,安徽铜陵244061；4.郑州银行博士后科研工作站,郑州450015；5.常州大学计算机与人工智能学院,江苏常州213164；

关键词：鲁棒,迁移学习,字典对学习,噪声图像分类,

基金：国家自然科学基金资助项目(61806026)；江苏省教育厅未来网络科研基金资助项目(FNSRFP-2021-YB-36)；常州市科技支撑社会发展资助项目(CE20215032)；；

真实图像大多伴随复杂噪声，同时图像来源复杂，不同领域的数据在分布上存在差异。为获得噪声图像的准确表示，提高图像的识别能力，提出了一种鲁棒迁移判别分析-综合字典对学习算法（RTDAS-DPL）。首先，突破传统单一高斯噪声假设，联合高斯分布和拉普拉斯分布建模高斯-椒盐混合噪声，增强算法在复杂噪声环境中的鲁棒性；其次，通过领域共享的分析-综合字典对构建域不变子空间，并基于稀疏系数设计最大均值差异策略，最小化源域与目标域的分布差异；然后，引入判别约束同步优化类内内聚性与类间分离性，降低异类字典原子相关性，提升同类原子紧凑度，从而获得高判别性字典对和分类器。在互联网社交媒体图像集和作物叶片图像数据集上的实验证明了所提算法的有效性。

来源：2026年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第4期