《稀疏表示在圖像特徵抽取中的套用研究》是依託東南大學，由楊萬扣擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：稀疏表示在圖像特徵抽取中的套用研究
- 項目類別：青年科學基金項目
- 項目負責人：楊萬扣
- 依託單位：東南大學
中文摘要,結題摘要,
中文摘要
在生物識別問題中，由於原始圖像的維數相當高，直接在原始圖像的基礎上進行處理，將加大算法的複雜度，並且對計算機的硬體性能也是一個挑戰，因此特徵抽取成為該領域最基本的問題之一，抽取有效的鑑別特徵是解決該問題的關鍵。進行本項研究的目的和意義在於：將人類感知圖像的稀疏性機制與模式識別的研究結合起來，豐富和發展模式識別的特徵抽取技術的理論體系；在技術上設計出具有稀疏性、更具鑑別能力和魯棒性的圖像特徵選擇和圖像特徵提取算法，提高計算機對圖像的理解和感知能力，為圖像自動識別在信息及相關領域的套用提供更好的技術支撐。本項目研究的預期成果是，在深入分析當前稀疏表示和稀疏編碼方法和充分大規模試驗的基礎上，提出一系列性能優越、通用性強、具有強鑑別能力的稀疏特徵抽取算法：(1)一種基於稀疏表示的鑑別分析特徵提取算法；(2)一種基於稀疏表示的流形學習特徵提取算法；(3)一種基於稀疏表示的模糊鑑別分析特徵提取算法。
結題摘要
稀疏表示是近年來計算機視覺和模式識別領域的一個研究熱點。我們就稀疏表示在分類器設計，字典學習和特徵抽取等方面開展了深入研究，研究內容主要包括：(1)關於分類器設計，我們運用核方法將稀疏表示分類推廣到高維特徵空間，在高維特徵空間中進行稀疏表示，提出核稀疏表示分類方法；我們在協同表示分類器的基礎上，運用核函式將協同表示分類推廣到高維特徵空間，在高維特徵空間進行協同表示分類，給出了一種核協同表示分類方法；線上性回歸分類的基礎上，我們給出了一種局部線性回歸分類方法；(2)關於字典學習，我們給出了一種基於稀疏字典學習的行為識別方法, 分類器的設計對於行為理解問題起著至關重要的作用，分類器的設計直接影響行為視頻分類的效果。我們提出一個改進的多辭彙表的稀疏表示模型，對於每個行為類別學習出一個對應的辭彙表，使得屬於同一類別的視頻樣本都採用相同的一組基元來構成; (3) 關於特徵抽取，我們在稀疏表示分類的基礎上，給出了一種核稀疏保持投影特徵提取方法；我們在協同表示分類的基礎上，通過計算基於L2範數回歸模型得到樣本近鄰關係、樣本關聯權重大小和樣本自適應的關聯圖，稱為L2-圖。在L2-圖的基礎上，我們研究了基於協同表示的特徵提取方法；我們在流形學習基礎上，同時考慮子類的流形分布和各個子類間的多流形分布，給出了一種多流形鑑別分析特徵提取方法；我們在模糊聚類的基礎上，給出了一種具有模糊聚類功能的雙向二維無監督特徵提取方法。
