1. 研究目的与意义（文献综述）

超市作为现代社会中必不可少的购物场所，越来越受到消费者的青睐。商品是超市的核心，货架商品信息获取的准确性和实时性将直接影响超市的运作效率和综合竞争力。目前这些工作都是由大量的工作人员完成，这种方式存在效率低、工作量大等缺点。这次研究的目的是开发出一种基于稀释稀疏表示的分类(sparse representation based classification,src)的超市商品的识别方法，可以自动识别出货架上的商品类别，就可以更及时、准确的掌握货架上商品的信息，便于超市管理者作出合理决策。本课题的主要工作是通过运用图像处理与识别技术对整个货架上的所有商品进行识别分类，得到商品的所属类别，进而对其进行可视化管理。

伴随着模式识别和计算机视觉等学科的飞速发展，图像分类技术得到了深入广泛的研究。生物学研究表明，人类的视觉系统具有对图像的稀疏表示特性，因此，在图像处理、模式识别、计算机视觉等领域研究者们试图对图像信息进行最稀疏的表示，以简单快捷的方式实现对图像分类。可以说，稀疏性思想已经逐渐渗透到计算机视觉、模式识别及图像处理领域。

最近几年，随着人的视觉感知系统能够对图像进行稀疏性表示的揭示，以及由于稀疏表示的较大理论突破，尤其是它能降低计算复杂度，使得该理论被广泛应用到信号处理领域。图像是一种特殊的信号，因为它在很多时候有稀疏特性的特点，这就使得稀疏表示被引入到了图像处理领域。基于稀疏特性的图像分类方法成为模式识别领域新的研究热点，并得到国内外研究者的广泛关注。在近期，基于稀疏表示的方法在图像分类得到了广泛的应用，j wright^[1]提出了基于稀疏表示分类(src)的鲁棒人脸识别方法，其在噪声和遮挡环境下具有优秀的识别效果。m.aharon等^[2]提出了 k-svd 字典学习方法，该方法能够有效的解决冗余字典中原子相干性的问题，数据分析结果表明，该方法具有很好的识别效果。yan 等在src方法的基础上提出一个基于半监督学习的框架^[3]，该框架在半监督人脸识别以及图像分类中，取得了很好的效果。本课题的主要工作是通过运用图像处理与识别技术对整个货架上的所有商品进行识别分类，得到商品的所属类别，进而对其进行可视化管理。

2. 研究的基本内容与方案

2.1研究（设计）的基本内容:

（1）获取货架上商品图像，进行预处理。

（2）在对货架上的商品进行识别之前，需要进行目标区域的分割，货架的层次分割是分割过程的第一步，将多层次的货架按层次划分为多个货架，方便对每层货架釆取进一步的区域分割与商品识别过程。

3. 研究计划与安排

第1-3周 完成并上传开题报告内容，格式规范，无错字、别字

第4周 修改、完善开题报告，技术方案要详细具体、明确无误

第5-6周 根据技术方案，搜索并理解相应理论

4. 参考文献（12篇以上）

[1] j.wright, y.yang,a. ganesh, et al. robust face recognition via sparse representation[j]. pattern analysis and machine intelligence, 2009, 31( 2) : 210-227.

[2] m. aharon, m1.elad, m. bruckstein. the k-svd: an algorithm for designing of overcomplete dictionaries for sparse representation[j]. ieee sp, 54(11):4311-4322, 2006.

[3] d. cai, x. he, j. han. semi-supervised discriminant analysis[c]. proc.in international conference on computer vision (iccv), 2007:1862-1864.