《基於正則化子空間學習的圖像特徵提取方法研究》是依託哈爾濱工業大學，由左旺孟擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於正則化子空間學習的圖像特徵提取方法研究
- 依託單位：哈爾濱工業大學
- 項目類別：青年科學基金項目
- 項目負責人：左旺孟
項目摘要,結題摘要,
項目摘要
圖像識別研究綜合使用圖像分析、特徵提取和識別等技術來實現圖像的分類、解釋和理解，在生物醫學工程、工業檢測、人機互動和安防等領域具有重要的理論和套用價值。在圖像特徵提取技術中，基於濾波器組的方法近年來得到了較多關注，已成功套用於生物識別、紋理分類、醫學圖像分析等重要領域。針對目前基於濾波器組的圖像特徵提取技術中普遍存在的濾波器組最佳化設計問題，本項目創新性地引入正則化子空間方法，通過對基於濾波器組的方法進行問題分析，將其表示為子空間學習問題；基於正則化子空間學習框架，有效利用視覺和認知機理研究成果，綜合使用張量子空間和懲罰子空間方法研究有效的新型正則化子空間模型和算法以實現濾波器組的最佳化設計進而實現圖像的特徵提取與表達；結合舌象紋理分析、人臉和掌紋識別等套用，評價和改進基於正則化子空間學習的圖像特徵提取技術。項目具有一定的理論研究價值和推廣意義，有望在舌象紋理建模、掌紋和人臉識別方面取得突破。
結題摘要
在本項目的支持下，項目組過去三年來圍繞著正則化方法在子空間和圖像復原中的套用，從計算模型和最佳化算法等方面開展了一系列研究，研究成果已成功套用於人臉識別、掌紋識別、計算機脈象分析。研究成果主要包括IEEE Transactions系列論文2篇、ACM Computing Surveys一篇，Pattern Recognition論文2篇，CVPR論文1篇，ICIP兩篇和ICPR兩篇。主要成果簡單概述如下： (1) 在正則化子空間分析方面，我們重點研究了度量學習/特徵選擇通用框架、度量學習和核方法的一致性等問題中的典型正則化方法，提出了若干種新型子空間分析方法，包括判別分析的後處理方法，最近命中丟失成分分析、快速最近鄰成分分析等。此外，我們還提出了一種基於支持向量機框架的正則化距離度量學習方法。研究成果主要發表在Signal Processing、Neurocomputing、ICONIP等期刊和會議上。 (2) 在基於全變分正則化模型的圖像復原方面，我們重點研究了兩種最佳化算法：快速梯度方法和增廣拉格朗日方法。我們提出了一種廣義加速鄰近梯度算法，並將其套用於全變分圖像復原。我們還提出一種梯度域增光拉格朗日方法的圖像復原算法，該算法可取得目前最快的圖像復原速度。最後，我們還將圖像梯度向量場的計算表示為圖像復原問題，並提出了一種基於增廣拉格朗日方法的快速梯度向量場重建算法。研究成果主要發表IEEE Transactions on Image Processing、Pattern Recognition Letters、ICIP等期刊和會議上。 (3) 在算法的套用方面，我們重點研究了正則化方法在掌紋識別和計算機脈象診斷中的套用。我們針對掌紋的紋線方向編碼、穩健匹配和快速檢索等問題開展研究。提出了多尺度競爭編碼、紋線方向聚類、廣義角度距離、基於馬爾科夫隨機場的模板匹配和基於覆蓋數的快速掌紋檢索等方法，有力的推動了掌紋識別的發展。針對中醫脈象信號分析重點研究了核學習方法，提出了一種基於差別加權k近鄰分類方法的中醫脈型分類方法，，以及基於多重核學習的脈象異質特徵進行融合和分類方法。研究成果主要發表ACM Computing Surveys, IEEE Transactions on Information Technology in Biomedicine、Pattern Rec
