基于相关投影分析的特征抽取与图像识别研究
模式识别论文 图像识别论文 特征抽取论文 特征融合论文 相关投影分析论文 典型相关分析论文 广义典型
论文详情
特征抽取是模式识别研究的最基本问题之一。对于图像识别而言,抽取有效的图像特征是完成识别任务的关键。本文提出的相关投影分析,包括典型相关分析、广义典型相关分析和偏最小二乘分析是建立在两组特征或两个数据矩阵上的特征抽取方法。它的基本思想是,首先,在两组特征之间建立相关性判据准则函数,然后依据该准则求解两组相关投影矢量集,进而抽取各自数据上的相关性特征,最后通过不同的特征融合策略获得组合的相关特征,并用于图像的分类。本文就三种相关投影分析的理论和算法进行了深入的研究和探讨,所提出的各种算法在人脸识别和字符识别方面得到了较成功的应用。 本文基于特征融合的思想,建立和完善了典型相关分析(CCA)用于组合特征抽取和图像识别的理论框架,所提出的两种特征融合策略,为模式的特征抽取和分类提供了新的途径。本文不仅给出了CCA用于图像识别的理论和方法,更为重要的是从理论上推广了CCA的应用范围,解决了当两组特征矢量构成的总体协方差矩阵奇异时,典型相关投影矢量的求解问题,使之适合于高维小样本的情形。这一理论上的突破,为CCA的应用彻底扫清了障碍。本文进一步从理论上揭示了CCA与Fisher线性鉴别分析的联系,在求解典型相关投影矢量的理论框架下,提出了一种求取不相关的最佳鉴别矢量集的间接算法。在手写体阿拉伯数字数据库和人脸图像数据库上分别证实了所提出算法的有效性。 本文从有利于模式分类的角度,提出并详细探讨了广义典型相关分析(GCCA)的理论与算法。首先,提出了一种改进的相关判据准则函数,依据该准则,在两种不同的约束条件下,分别建立了求解广义典型投影矢量集(GCPV)的算法理论;进一步探讨了当两组原始样本的类内散布矩阵奇异时,求解GCPV的两种策略,即PCA+GCCA策略与扰动策略。在使用扰动策略求解GCPV时,针对高维小样本(图像识别等)问题的计算效率,提出了一种高效的算法;本文提出了一种新的特征融合策略(FFS3),引入了图像相关特征矩阵的概念,并提出了基于相关特征矩阵的两种分类方法。在手写体数字数据库和人脸数据库上的实验结果验证了所提各种算法的有效性。理论分析和实验结果都表明了,基于改进的判据准则函数,不仅具有明显的物理意义,而且在分类性能上,基于GCCA所抽取的组合特征明显地优于基于CCA所抽取的组合特征。 本文深入地探讨了偏最小二乘(PLS)建模方法用于特征抽取和图像识别的理论和方法。首先,对传统的PLS回归理论和性质进行了深入分析。在此基础上,基于PLS的建模思想,着眼于算法的效率和精度,依据不同的约束条件,提出了两种新的PLS建模方法,即非迭代PLS建模方法(NI-PLS)与共轭正交的PLS建模方法(CO-PLS)。进一步研究和探讨了PLS建模方法用于图像识别的三种策略,即基于
摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
目录 | 第9-12页 |
第1章 绪论 | 第12-26页 |
1.1 引言 | 第12-13页 |
1.2 线性投影分析的研究与发展 | 第13-16页 |
1.2.1 主分量分析概述 | 第13-14页 |
1.2.2 Fisher线性鉴别分析概述 | 第14-16页 |
1.3 相关投影分析概述 | 第16-19页 |
1.3.1 典型相关分析的研究与发展 | 第16-18页 |
1.3.2 偏最小二乘分析的研究与发展 | 第18-19页 |
1.4 图像识别的具体应用:人脸识别与字符识别 | 第19-23页 |
1.4.1 人脸识别介绍及研究概况 | 第19-21页 |
1.4.2 基于投影分析的人脸特征抽取 | 第21-22页 |
1.4.3 基于投影分析的手写体字符特征抽取 | 第22-23页 |
1.5 本文的主要研究工作 | 第23-24页 |
1.6 本文的内容安排 | 第24-26页 |
第2章 典型相关分析用于图像识别的理论与方法 | 第26-52页 |
2.1 引言 | 第26-27页 |
2.2 典型相关分析用于特征融合的理论框架 | 第27-33页 |
2.2.1 典型相关分析的基本思想 | 第27-28页 |
2.2.2 组合特征抽取的原理 | 第28-30页 |
2.2.3 算法步骤 | 第30-31页 |
2.2.4 相关性度量 | 第31-32页 |
2.2.5 融合前的预处理 | 第32-33页 |
2.3 高维小样本情况下的讨论 | 第33-38页 |
2.3.1 算法与理论 | 第33-37页 |
2.3.2 算法分析 | 第37-38页 |
2.4 典型相关鉴别分析 | 第38-44页 |
2.4.1 基于Fisher准则的线性鉴别分析 | 第39-40页 |
2.4.2 求取UODV的一种间接算法 | 第40-42页 |
2.4.3 算法比较分析 | 第42-43页 |
2.4.4 高维小样本情况下 UODV的求解 | 第43-44页 |
2.5 试验与分析 | 第44-50页 |
2.5.1 试验1 | 第44-47页 |
2.5.2 试验2 | 第47-49页 |
2.5.3 试验3 | 第49-50页 |
2.6 本章小结 | 第50-52页 |
第3章 广义典型相关分析的原理与应用 | 第52-72页 |
3.1 引言 | 第52页 |
3.2 广义典型相关分析的原理与算法 | 第52-60页 |
3.2.1 广义典型相关判别准则 | 第52-53页 |
3.2.2 广义典型投影矢量集的求解 | 第53-56页 |
3.2.3 基于共轭正交约束的广义典型投影矢量集 | 第56-59页 |
3.2.4 两种算法的性能分析 | 第59-60页 |
3.3 类内散布矩阵奇异时的讨论 | 第60-61页 |
3.3.1 策略1: PCA plus GCCA | 第60页 |
3.3.2 策略2: 扰动法 | 第60-61页 |
3.4 特征融合策略与分类器的设计 | 第61-62页 |
3.4.1 基于相关特征矩阵的最小距离分类器 | 第62页 |
3.4.2 基于相关特征矩阵的最近邻分类器 | 第62页 |
3.5 试验与分析 | 第62-69页 |
3.5.1 试验1 | 第62-64页 |
3.5.2 试验2 | 第64-67页 |
3.5.3 试验3 | 第67-69页 |
3.6 本章小结 | 第69-72页 |
第4章 基于偏最小二乘分析的特征抽取技术 | 第72-94页 |
4.1 引言 | 第72-73页 |
4.2 PLS建模的基本思想 | 第73-74页 |
4.3 经典的偏最小二乘回归分析方法 | 第74-77页 |
4.3.1 基本原理 | 第74-76页 |
4.3.2 基本性质 | 第76-77页 |
4.4 两种新的PLS建模方法 | 第77-82页 |
4.4.1 一种非迭代 PLS建模方法(NI-PLS) | 第77-79页 |
4.4.2 共轭正交的 PLS成分提取算法(CO-PLS) | 第79-81页 |
4.4.3 算法的性能分析 | 第81-82页 |
4.5 PLS模型用于图像识别的策略 | 第82-84页 |
4.5.1 基于单一特征的分类: PLS鉴别分析 | 第82-83页 |
4.5.2 基于两组特征的分类:特征融合 | 第83-84页 |
4.5.3 一种新的相关双子空间的连续分类器设计 | 第84页 |
4.6 试验与分析 | 第84-92页 |
4.6.1 人脸图像的重构与识别试验 | 第84-87页 |
4.6.2 手写体字符数据库上的融合试验 | 第87-88页 |
4.6.3 基于相关双子空间的试验 | 第88-92页 |
4.7 本章小结 | 第92-94页 |
第5章 二维相关投影分析的理论构架及其在图像识别中的应用 | 第94-108页 |
5.1 引言 | 第94-95页 |
5.2 二维典型相关分析(2D-CCA) | 第95-99页 |
5.2.1 基本思想 | 第95-97页 |
5.2.2 算法理论 | 第97-98页 |
5.2.3 特征抽取与分类策略 | 第98页 |
5.2.4 相关性分析 | 第98-99页 |
5.3 二维广义典型相关分析(2D-GCCA) | 第99-102页 |
5.3.1 基本思想 | 第99-100页 |
5.3.2 两种算法 | 第100-101页 |
5.3.3 组合特征的抽取与分类 | 第101-102页 |
5.4 二维偏最小二乘分析(2D-PLS) | 第102-104页 |
5.4.1 2D-PLS的建模思想 | 第102-103页 |
5.4.2 2D非迭代 PLS建模方法(2D-NIPLS) | 第103页 |
5.4.3 特征抽取与分类 | 第103-104页 |
5.5 试验与分析 | 第104-107页 |
5.5.1 试验1 | 第104-105页 |
5.5.2 试验2 | 第105-107页 |
5.6 本章小结 | 第107-108页 |
第6章 结束语 | 第108-111页 |
致谢 | 第111-112页 |
参考文献 | 第112-123页 |
附录 | 第123-124页 |
论文购买
论文编号
ABS1743465,这篇论文共124页
会员购买按0.30元/页下载,共需支付
37.2。
不是会员,
注册会员!
会员更优惠
充值送钱!
直接购买按0.5元/页下载,共需要支付
62。
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文