《基於稀疏圖嵌入的圖像特徵提取方法研究》是依託西安交通大學，由鐘德星擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於稀疏圖嵌入的圖像特徵提取方法研究
- 項目類別：青年科學基金項目
- 項目負責人：鐘德星
- 依託單位：西安交通大學
中文摘要,結題摘要,
中文摘要
本申請結合稀疏表征和圖嵌入理論，研究圖像特徵提取理論、方法與跨資料庫的學習能力問題。主要包括：（1）在分析高維圖像數據低維結構的基礎上，採用稀疏表征矩陣分解法和圖嵌入鄰域判別法，研究高維圖像數據隱含的稀疏成份、流形結構及其判別特徵提取，可獲得圖像特徵提取的有效算法；（2）採用布雷格曼散度正則化和轉化子空間學習理論，研究圖像特徵提取算法跨資料庫的學習能力，使得從訓練樣本中獲得的知識轉化到測試樣本中，從而增強圖像特徵提取方法的適用性和魯棒性；（3）研究圖像特徵提取方法在經濟作物根系複雜性分析中的套用，採用非負矩陣因數分解、流形子空間學習和圖像稀疏表征相結合的方法，可獲得識別率高、魯棒性強的根系圖像特徵提取方法。圖像特徵提取是生物特徵識別技術的核心問題之一，稀疏表征和圖嵌入理論是研究高維圖像數據降維處理和判別特徵提取的新思路，為解決生物特徵識別問題奠定特徵提取和分類識別的理論基礎。
結題摘要
本項目是申請人在攻讀博士學位期間所進行的科研工作的延續和提高，在實際開展過程中的研究方向主要有：1.集中精力研究稀疏表征方法在人臉識別等模式識別領域的套用；2.物聯網及無線感測器網路的套用研究；3. 現有模式識別算法在生物信息學領域中的套用研究。主要內容和重要結果如下： 1.提出一個新的鬆弛的L(1/2)正則化稀疏表征方法用於人臉識別問題，命名為L(1/2)分類，即LHC。此外，一種疊代圖哈諾夫正則化（ITR）求解算法被提出用於快速求解LHC。採用ITR，可以通過疊代次數來調節聯合表征和稀疏表征的作用。受益於更為稀疏的L(1/2)正則化和疊代求解機制，LHC可以獲得更好的綜合性能。 2.魯棒稀疏編碼（RSC）旨在獲得稀疏編碼問題的最大似然估計的解決方案，所以其針對偽裝人臉識別問題具有魯棒性。然而，疊代算法來解決RSC是高耗時。我們提出了一種改進的魯棒稀疏編碼（iRSC）算法用於實際套用情況。在疊代過程中，通過消除具有較大編碼殘差的對象，詞典的規模在逐漸減小。字典的過完備屬性不受影響。在AR人臉資料庫的實驗表明，iRSC算法的編碼更稀疏，也更高效。 3.給出了物聯網一個套用實例，塔吊群安全管理系統，用於建築行業。每一個塔吊的操作狀態由一組定製的感測器檢測得到，感測器數據由終端設備收集和處理，局部的無線通信和遠程的無線通信分別由Zigbee和GPRS完成。該系統可以視為無線感測器網路和物聯網相結合的具體套用。 4.提出K跳節點距離的近似分布並且得到該分布下K跳節點距離的期望。此外，提出了一個新的基於多跳距離無偏估計的節點定位方法。仿真結果表明該方法相較於現有方法可以獲得更高的距離和定位精度。 5.在生物信息學研究領域，提出了兩種功能位點的識別方法。分別是：一種新的植物選擇性剪下位點識別計算方法，癌症基因組中lincRNA多聚腺苷化位點全基因組識別和預測建模。本項目的研究回答了人臉識別領域一個爭論的熱點問題，即稀疏表征和聯合表征，哪一個是有助於人臉識別？我們所提出的算法可以通過疊代次數來調節稀疏表征和聯合表征之間的平衡，從而獲得最優的綜合性能。此外，通過一個具體的套用實例，我們給出一種有效的物聯網架構。最後，我們探索了採用模式識別算法實現對兩種基因功能位點的識別，積極開拓了申請人新的研究方向，為後續的研究工作打好基礎。
