《多視圖典型相關特徵抽取方法與套用研究》是依託揚州大學，由袁運浩擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：多視圖典型相關特徵抽取方法與套用研究
- 項目類別：青年科學基金項目
- 項目負責人：袁運浩
- 依託單位：揚州大學
項目摘要,結題摘要,
項目摘要
隨著數據採集方式和描述角度的不同，同一模式的多視圖數據廣泛地存在於模式識別與機器學習等領域。對於同一模式來說，由於不同的視圖總是反映了相同模式的不同特性和視角，因此，如何有效利用多視圖數據間的互補性信息，從中抽取出具有較強鑑別力的低維特徵，已成為模式識別領域的研究熱點和難點問題。本項目以多集典型相關分析理論為基礎，圍繞多視圖典型相關特徵抽取及其套用，擬開展如下研究工作：（1）引入類標籤和局部鄰域信息，深化研究全局保持多集典型相關分析的特徵抽取理論；（2）突破實空間思想的限制，開展復空間多集典型相關分析的特徵抽取方法研究；（3）基於多核技術，研究多核框架下多集典型相關分析的特徵抽取方法；（4）開展多視圖典型相關特徵抽取方法在圖像識別與超解析度重建中的套用研究。
結題摘要
多視圖特徵抽取問題是模式識別和機器學習領域的重要研究內容和熱點。本項目從鑑別分析、局部化、分數階、復空間、多核技術以及深度學習等前沿思想出發，深入研究了多視圖典型相關特徵抽取理論與算法，並在圖像超解析度重建、圖像識別以及檢索等方面開展了相關套用研究，取得了較好的研究成果。完成的創新工作如下： （1）通過引入多視圖數據的類標籤和局部鄰域信息，構建了多集典型相關方法用於特徵抽取的拓展模型與算法，豐富和完善多視圖特徵抽取理論。 （2）基於分數階和復空間思想，提出並建立了分數階鑑別和復多集典型相關分析的特徵抽取理論與算法，為多視圖特徵抽取研究提供了新思路。 （3）引入深度學習和多核思想，構建了非線性多集典型相關分析的特徵抽取算法，促進多視圖特徵抽取理論的發展，為相關領域套用提供了強有力的技術支持。 （4）開展了圖像超解析度重建、圖像識別以及檢索等方面的套用研究，建立了面向具體任務的有效算法，促進了相關套用的發展。 上述工作已在國內外學術期刊和會議上發表39篇論文，其中28篇期刊論文，11篇會議論文；獲得軟體著作權2項；培養畢業碩/博士研究生4人。
