基於度量學習的特徵提取方法研究

《基於度量學習的特徵提取方法研究》是依託重慶大學，由張太平擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於度量學習的特徵提取方法研究
• 項目類別：青年科學基金項目
• 項目負責人：張太平
• 依託單位：重慶大學

中文摘要

在模式識別套用中，距離度量被用來描述數據之間的相似性（或不相似性），並以此作為特徵分類的依據，因此距離度量在模式識別中扮演了非常重要的作用。傳統的歐式距離度量由於沒有考慮數據分布信息，使其在很多時候並不能很好地描述數據間的相似性（或不相似性）。.度量學習就是通過一定的準則來定義對象之間的距離，使之能有效地描述數據間的相似性（或不相似性）。本項目擬通過度量學習方式，利用數據的統計信息，學習一種數據驅動的距離度量來描述數據間的相似性（或不相似性），然後將這種數據驅動的距離度量與特徵提取方法有機地結合起來，使得提取的特徵能夠與距離度量完美匹配，增強特徵的泛化能力，提高分類效率。本項目的研究不僅能對特徵提取理論和算法有所貢獻，還可望獲得實際套用。

結題摘要

特徵提取是模式識別的核心課題之一，特徵提取的好壞直接影響到隨後模式分類的結果。而距離度量被用來描述數據之間的相似性（或不相似性），並以此作為模式分類的依據，所以對一個有效模式識別系統來說，其最終的模式分類結果不僅僅取決於特徵提取的好壞，也依賴於所選擇的相似性度量準則，因此將度量學習與特徵提取結合起來研究是模式識別研究的熱點，本項目重點研究與距離度量相匹配的特徵提取方法，使得提取的特徵與模式分類時所選擇的相似性度量能夠完美地匹配，增強特徵的泛化能力，提高識別效率。本項目的研究思路是基於相似性度量的特徵提取方法，以克服傳統的歐式距離度量注重提取樣本間的不相似性特徵，而非相似性特徵；針對Local Binary Pattern(LBP)運算元沒有考慮鄰域像素值之間的對比度，丟失了圖像的紋理特徵等缺點，提出了一個多層Local Multi-layer Contrast Method（LCMP）來解決LBP的這一缺點；利用散射變換具有局部平移及形變不變性的特點，提出了一種基於梯度域和散射變換的人臉光照不變數提取方法。 到目前為止，本項目共發表SCI論文3篇，發明專利2項，主持人獲得重慶市自然科學二等獎1次（排名第三）以及入選教育部“新世紀優秀人才支持計畫”。