摘 要

如今，及时地获取超市货架上的商品信息，对超市运营管理者来说是非常必要的。传统超市商品管理软件需要人工更新货架上的商品信息，效率低下，借助图像识别的技术能够及时获取货架商品的信息。近年来，将稀疏表示应用到分类技术中(Sparse Representation based Classification,SRC)的这种技术不断进步发展，已经成为在各种领域如图像识别、信号处理等领域中，得到了很好的研究，例如人脸识别。

本文从稀疏表示的理论和SRC分类方法的两个方面，对超市商品的图像自动识别问题进行了研究。在理论方面，本文主要研讨基于过完备字典的信号稀疏表示理论，稀疏表示的求解方法如NP，OMP算法，和稀疏表示的分类方法；应用方面则是根据稀疏表示理论设计一种超市商品图像自动识别方法，通过计算重构残差和稀疏集中指数SCI来进行图像分类，并进行仿真测试。

实验结果表面，SRC分类方法在超市商品图像的识别应用上有较高的识别率，该方法能够有效地识别与训练样本库中相对应的测试样本，拒绝无效的测试样本。

关键词：稀疏表示；图像识别；OMP；过完备字典；SCI

Abstract

Today, timely access to the information of the goods on supermarket shelves have an important significance for supermarket operators. Traditional supermarket commodity management software needs to update the information of goods on the shelves manually, and the efficiency is low. By using the technology of image recognition, the information of goods on shelves can be obtained in time. In recent years, Classification (Sparse, based, Classification, SRC) technology based on sparse representation has been continuously improved, and has become the research focus of image recognition, signal processing and other fields, such as face recognition.

This paper study the automatic recognition of supermarket product images from the two aspects of the sparse representation theory and the SRC classification method. The theory mainly studies based on over complete dictionary sparse signal representation theory, solving sparse representation methods such as NP, OMP algorithm, classification method and sparse representation; the applications studies is based on sparse representation theory to design a supermarket image automatic recognition method by calculating the reconstruction error and sparse concentration index SCI for classification of the image.At last we do the simulation test.

The experiment results show that the recognition using SRC classification method in supermarket image has the higher recognition rate, this method can effectively identify and test samples corresponding to the training samples in the test ,and the sample which is not related to the training samples is rejected.

Keywords: sparse representation; image recognition; OMP; over complete dictionary; SCI

目录

摘要 I

Abstract II

第1章 绪论 1

1.1研究背景及意义 1

1.2国内外研究现状 1

1.3本文研究内容和组织结构 2

第2章 稀疏表示的基本原理 4

2.1信号的表示 4

2.2稀疏表示的基本原理 5

2.3稀疏表示的求解方法 6

第3章 基于稀疏表示的超市商品自动识别 9

3.1基本流程 9

3.2测试样本是训练样本的线性组合 9

3.3求稀疏解 10

3.4基于稀疏表示的分类 11

3.5基于稀疏表示分类的改进 11

第4章 仿真与结果分析 13

4.1输入训练样本和测试样本 13

4.2稀疏解的求解 14

4.3计算残差和SCI 16

4.4遮挡和噪声实验仿真 18

4.5未对齐的实验仿真 21

4.6结果分析 23

第5章 总结与展望 24

5.1总结 24

5.2展望 24

参考文献 26

致谢 27

第1章 绪论

1.1研究背景及意义

超市是人们工作生活中必不可少的消费场所，虽然网购兴起，但是大多数的消费者还是选择在超市中购物。超市经营的核心就是围绕着管理商品来开展的，为提高竞争力，为了吸引更多的顾客，就需要有一套很好的商品摆放策略。货架上的商品规划布局，对提高销售量有着重要意义。这是因为，在实现生活中，商品摆放和位置的调整是非常讲究的。有许多研究人员分析发现，合理的摆放商品从而适应消费者的消费习惯，对商品的价格、功能、品牌等做优化合理配置，合理引导消费者去选择和消费商品，就能够提高销售量。想要很好管理商品，或者说研究商品摆放调整策略，那么就要实时地统计商品的数量和位置。目前货架上商品信息的统计工作，需要大批的超市工人来做。聘任更多的工人来完成统计工作，不仅浪费资金，工作量大而效率低，而且很难做到及时更新信息。国外很多先进的超市都是有商品管理软件的，而设计商品管理软件，首要的任务就是进行超市商品的自动识别，获取货架上的商品信息。超市商品图像的自动识别，是实现商品信息获取和科学管理的重要前提。要设计出一款商品的管理系统，首要的任务就是，用摄像头按期地采集货架上的商品图像信息，然后用计算机对图像进行分析处理，获取每一种商品的数目种类和位置等信息，这样管理者就能实时地获取货架上商品的变化信息。这次研究的目的是开发出一种将稀疏表示理论应用到图像分类(Sparse Representation based Classification,SRC)的超市商品的识别系统。利用该系统能够快速智能地识别出货架上的商品，快而准确地统计出商品的信息。超市管理者便可以通过这个系统管理商品。这研究具有很大的发展前景。

1.2国内外研究现状