視覺信息的局部特徵表示及套用研究

《視覺信息的局部特徵表示及套用研究》是依託南京理工大學，由錢建軍擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：視覺信息的局部特徵表示及套用研究
• 項目類別：青年科學基金項目
• 項目負責人：錢建軍
• 依託單位：南京理工大學

項目摘要

在大數據中視覺信息（圖像、視頻）占據著舉足輕重的地位，而視覺信息的局部特徵表示又在圖像識別/分類、圖像檢索和視頻分析等領域扮演著重要角色。高效的視覺信息局部特徵表示是提升圖像（視頻）分析系統性能的關鍵。本項目將重點研究視覺信息的局部特徵表示問題，從局部結構表示、稀疏表示和穩健表示三個方面展開研究，旨在建立視覺信息局部特徵表示的一體化框架。主要研究內容包括：（1）基於核範數的回歸表示方法研究；（2）基於鑑別學習的局部特徵表示方法研究；（3）基於稀疏穩健性的局部特徵表示方法研究；（4）基於深層回歸的局部特徵表示方法研究。最後，基於以上理論和方法的成果，建立基於視覺信息局部特徵表示的視覺系統驗證平台。

結題摘要

本課題重點研究了視覺信息的局部特徵表示模型及算法。針對視覺信息的局部結構特性，提出了一種挖掘深層梯度信息的圖像局部特徵表示方法，該方法利用圖像局部區域的梯度直方圖來刻畫中心像素的局部結構特徵。基於此，可以將一副圖像分解成一系列蘊含不同梯度特性的結構子圖；再套用梯度方向直方圖（HOG）來進一步提取不同子圖的深層梯度信息構建圖像的特徵表達。針對視覺信息的穩健表示，提出了基於核範數的矩陣回歸方法並給出了快速的ADMM算法求解該模型，該方法旨在解決圖像識別中存在的複雜結構噪聲問題。在此基礎上，提出了一種穩健的矩陣回歸表示方法，該方法使用核範數來刻畫殘差圖像並引入對殘差矩陣奇異值的權重，進而更好的刻畫了圖像矩陣的結構屬性。針對視覺信息的稀疏表示特性，提出了基於加權的稀疏正則非凸矩陣回歸表示模型，該方法不僅可以較好的刻畫圖像結構噪聲，同時可以兼顧對圖像隨機噪聲的刻畫。針對上述模型，我們基於增廣的拉格朗日算法設計了相應的求解算法並給出了算法的收斂性證明。此外，還提出了基於正交普朗克回歸的穩健表示模型，該模型可以同時處理人臉對齊、姿態糾正以及人臉表示等。