基於記憶的不變圖像特徵學習方法研究

《基於記憶的不變圖像特徵學習方法研究》是依託華中師範大學，由魏艷濤擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於記憶的不變圖像特徵學習方法研究
• 項目類別：青年科學基金項目
• 項目負責人：魏艷濤
• 依託單位：華中師範大學

項目摘要

圖像特徵學習是圖像分類的關鍵環節，是模式識別與計算機視覺領域中的研究熱點。傳統特徵提取方法受到複雜背景、旋轉以及尺度變化等多種因素制約，導致圖像分類系統的泛化性較差且樣本複雜度較高。本項目擬面向圖像分類，引入流形學習、不變群以及熵等理論開展基於記憶的不變特徵學習方法研究。首先，融合流形學習理論，研究基於記憶的分層學習模型中的編碼理論與方法，並利用編碼輸出的統計特徵探討具有向量形式輸出的匯聚方法，提升特徵對旋轉、尺度變化以及局部形變等變化的不變性，降低圖像分類系統的樣本複雜度；其次，根據基於記憶的特徵學習方法中不同層次的特點研究模板學習理論與方法，進一步增強圖像特徵的不變性與判別性，降低複雜背景的影響，提高分類精度；最後，從群和熵的角度分析特徵學習方法的不變性與判別性，揭示分層不變特徵學習方法的內在機制。本研究將進一步豐富圖像特徵學習的理論基礎，為計算機視覺系統的設計和開發提供關鍵技術支撐。

結題摘要

圖像特徵學習是圖像分類過程中的關鍵環節。獲取對圖像中無關變換具有不變性的特徵一直是機器學習和計算機視覺領域重點關注的內容。本項目在分層學習框架下，針對不變圖像特徵學習中的關鍵問題進行了深入研究，在理論分析和算法設計兩個方面都取得了比較好的研究成果，主要研究內容包括：針對高光譜圖像分類中的不變特徵學習問題構建了一種分層學習理論框架：空譜反應，設計了相應的編碼和匯聚方法；並結合流形學習理論，在空譜反應理論框架下通過設計兩種模板（記憶）學習方法構建了基於子空間學習的網路，用來學習高光譜圖像的不變空譜特徵，該算法樣本複雜度低；針對基於子空間學習的網路易導致數據內在結構信息丟失的問題，設計了棧式張量子空間學習算法，該算法主要利用張量型學習算法充分保持圖像的結構信息；結合高光譜圖像“空譜合一”特性設計了棧式核極限學習機，該算法利用小波、核極限學習機和Gabor濾波器構建分層結構，提取高光譜圖像的不變空譜特徵；在Rényi信息熵的框架下，項目組設計了基於相關信息原則的高光譜圖像特徵學習方法，從熵的角度來平衡特徵學習過程中的不變性與區分性，該方法是一種融合流形學習與熵理論的分層模型，有效融合高光譜數據的光譜和空間特徵，可以獲得具不變性的空譜特徵，且其樣本複雜度較低；針對學生行為識別中的特徵學習困難，項目組利用流形學習理論改進寬度學習系統，並結合局部Log-Euclidean多變數高斯描述子構建了一種分層學習模型，該模型可以從小樣本中學習得到有效的圖像特徵。到目前為止，項目組共發表學術論文16篇，其中SCI檢索論文9篇，論文他引64次，申請發明專利2項，較為圓滿地完成了項目研究目標。