核主元分析特征提取法的研究

核主元分析是统计主元分析的非线性形式,是统计主元分析的自然推广.本文在统计主元分析的基础上探讨了核主元分析的概念,研究了核主元分析映射数据的标准化实现,揭示了核主元分析与统计主元分析的内在联系,得出了核主元分析用于特征提取的方法.核主元分析用于特征提取,是借助于核函数,将输入空间的训练样本数据经过非线性映射转换到特征空间,然后向所选择的多个主特征矢量方向进行投影,最后可以获得多个不相关的主元,为特征提取以及模式识别的应用提供了一条有效途径.     

视频图像的SIFT特征点自适应提取算法

采用SIFT算法匹配视频图像帧前,必须首先提取特征点。如果输入图像的大小和特性变化,特征点的灰度阈值必须随之重新设置,以避免过大的计算量和配准失败。提出了一种视频图像的特征点自适应提取算法。该算法能够将前一帧的视频图像的参数反馈到当前帧,自动设置适当的特征点灰度阈值,使得从当前帧提取的关键点的数量接近预期值。实验结果表明,当输入图像改变时,采用自适应设置阈值方法,从视频帧提取的特征点的数量始终保持在预期值。该方法可以通过SIFT算法自适应地配准数字视频图像,使特征点数量保持稳定,避免配准失败,减小计算量。     

一种高精度并行主偏度分析算法及其在遥感图像中的应用

主偏度分析(PSA)作为主成分分析(PCA)的一种3阶推广,常用于盲图像分离、SAR图像去噪以及高光谱特征提取等。但现有PSA算法只能得到近似解,这会影响图像后续处理的精度。针对这一问题,该文在现有PSA算法基础上,提出了一种高精度并行主偏度分析(PPSA)算法。PPSA算法充分考虑数据结构,选用协偏度张量的全部切片的特征向量作为迭代的初始值,可以准确地得到实际解。仿真实验以及实际遥感图像实验验证了PPSA算法的有效性与优越性。     

Stiefel 流形上的梯度算法及其在特征提取中的应用

为了提高系统特征提取算法的计算效率、减少占用的存储空间和简化程序设计,该文基于Riemann 流形上优化算法的几何框架,提出了改进的Stiefel 流形上的梯度下降算法。根据不同要求采用不同的测地线计算公式,并使用多项式逼近测地线方程,同时采用了秦九韶-Horner 多项式算法及线搜索、变步长的方法。以主分量分析问题为例,详细讨论了Stiefel 流形上的梯度算法在其中的应用。理论分析和实验结果均表明,此方法可以在确保迭代矩阵列向量单位正交性的同时获得更好的计算效率和收敛速度,并且更容易实现。      

商品图像局部特征提取算法研究与实现

研究商品图像局部兴趣点提取的方法,利用Matlab语言对提取商品图像局部特征Harris和Harris-Laplace算法进行建模仿真,开发了基于商品图像局部特征进行商品检索系统。当检索商品处在不同角度和背景中时,对此系统进行测试,并对测试结果进行比较分析,指出二者算法各自的特点,最后提出了改进算法的建议。     

基于游程元的纸印品图像的直线特征提取

针对纸印品中直线特征提取这一问题，给出游程元、中心游程元、最大领域搜索区域等定义，并在此基础上提出了一种基于游理元提取与归并的直线特征提取算法，给出了基于此算法的横格纸与方格纸中直线特征提取实验结果并对此算法的复杂性进行了分析。实验结果与算法分析表明，方法比基于Hough交换算法简单，实验效果理想，适用于文档表格等的直线特征提取。     

增量式块主成分分析的焊缝图像特征提取算法北大核心CSCD

针对焊缝图像特征提取的实时性问题,该文提出一种增量式块主成分分析(incremental block principal component analysis,IBlockPCA)算法,用于焊缝特征主成分的提取。该算法先将焊缝表面图像分割成子图像块并对其进行重构,然后利用提出的IBlockPCA算法对局部块图像进行增量式特征提取,并采用KNN算法对提取的特征主成分进行分类识别;最后在焊缝数据集上进行了算法的性能对比。实验结果表明,该算法在收敛率、分类率及复杂度等方面均优于其他主成分分析(principal component analysis,PCA)算法,其分类识别率为97.5%,其平均处理速度可达50 frame/s,能够满足焊缝表面图像的实时性处理需求。     

浮动阈值算法在小目标图像提取中的应用

针对相对复杂图像目标对象的提取问题,介绍了像素图像处理常用算法（背景差法、光流法、帧间差分法）的优点和缺点及适用范围。提出浮动阈值在小目标图像提取的方法及算法流程设计的详细组成。实验表明,这种方法能快速准确提取目标,还原模糊分类后的图像目标,并使背景部分替换成其他颜色,从而实现目标的提取。     

红外图像盲元自适应检测及补偿算法

基于场景的盲元检测与补偿算法能有效地克服固定和随机盲元造成的图像亮点与暗点,提高探测器成像质量.通过将待检测图像分解为盲元目标和一般背景,建立迭代修正的背景预测模型提高预测准确度.并根据盲元和正常像元的残差能量统计差异完成单帧图像盲元检测.依据盲元缓变特征,利用建立的背景预测模型和盲元检测结果设计补偿算法,实现了单帧和...     

模糊算子在遥感图像特征提取中的应用

数据融合的概念应用在遥感图像的自动特征提取中,可以利用数据的互补和冗余来改善特征提取的性能。由于经典理论交集和并集的外延法不能得到满意的结果（相应的算子过于严格或是过于宽松）,对这两个具有对立特性的算子进行折衷,可以得到较为满意的结果。运用上下文依赖模糊算子实现这种折衷,对其加权因子的构造提出了新的设想和算法。参照计算机模拟的结果,分析和讨论了它的特点。     

基于PCA-K-means的卫星遥感图像的颜色特征提取技术

结合主成分分析（PCA）和K均值聚类算法（K-means）的特点,本文提出了一种对卫星遥感图像进行颜色特征提取的PCA-K-means算法.该算法去除了图像的R、G、B之间的相关性,在动态聚类的基础上,采用基于区域分类的空间一致性原则合并空间信息,使得该方法能高效的描述卫星图像的颜色特征.实验结果表明,该方法识别性能好,准确度高,是对多频谱遥感图像的颜色特征提取的一种有效的方法.     

基于主元分析和Fuzzy ART模型的人脸识别算法

本文从子空间的理论出发,先用一写数量的人脸榇一构造优化的“人脸空间”,“人脸空间”能更好的描述人脸图象矢量的分布。把人脸图象在子空间进行投影得到人脸的特征向量。然后在Ｆｕｚｚｙ ＡＲＴ模型的基础上设计发类器。用４０组共计４００张人脸图象结系统进行测试,实验结果表明识别率在９５％以上,系统具有良好的识别能力和鲁棒性。     

二次特征提取及其在说话人识别中的应用

传统的特征提取方法在处理小范围的说话人识别时尚可为之，但是在较大用户群的情况下，由于特征覆盖范围不够导致性能下降。鉴于此，本文提出了一种新的二次特征提取方法，它通过综合运用加权、微分、组合、筛选等方法，进一步挖掘说话人语音背后的隐性个性差异。在采用138人的YOHO数据库上进行的说话人识别测试中，其性能优于传统的特征提取方法。     

一种基于SIFT的仿射不变特征提取新方法

图像局部特征提取是图像理解及机器视觉领域一个非常关键的问题,其中SIFT特征因具有良好的显著性和鲁棒性而得到广泛应用。但是,SIFT采用DOG检测子,定位的特征区域为各向同尺度变化的圆形区域,故其只具有尺度不变性,并不具备仿射不变性。此外,SIFT采用128维特征向量表示,当在图像特征点较多情况下进行匹配实验时,存在存储空间大、匹配耗时多等缺点。针对这两个问题,本文提出一种新的仿射不变特征提取方法,即HA-DR-SIFT(Hessian Affine-Dimensionality Reduction-SIFT)。首先,用Hessian-Affine 检测子代替DOG检测子,使提取的椭圆图像区域满足仿射不变性需求;其次,用PCA或NLPCA方法对128维特征向量进行降维处理,提高后续运算效率。实验表明,新方法不仅具有良好的仿射不变性,而且在匹配时间和存储空间上优于SIFT算子。      

基于核主分量相关判别分析特征提取方法的目标HRRP识别

为有效提高雷达高分辨1维距离像目标识别系统的总体性能,需要对目标高分辨1维距离像进行特征提取,以得到具有最小信息损失、高可分性且低维度的目标特征,为实现该目的提出一种基于核主分量相关判别分析的特征提取算法。该算法基于目标高分辨1维距离像的统计特性,通过对核主分量分析中核函数的选择,实现对不同类型距离单元的特征提取。同时综合线性判别分析与典型相关分析理论构建新的准则函数,以实现特征空间中类内相关性与类间差异性最大化,同时减少目标特征中的冗余信息。利用实测数据进行实验,结果表明该方法提高了特征向量的可分性,降低了特征向量的维度,并且对该算法在不同强度杂波下的识别性能进行了分析,实验结果表明,该方法可以有效的提高目标高分辨1维距离像目标识别系统的总体性能。     

一种基于加权变形的2DPCA的人脸特征提取方法

该文首先分析了主成分分析法(PCA)和2维主成分分析法(2DPCA)的关系,针对2DPCA丢失具有鉴别能力的协方差信息以及PCA方法不能解决小样本的问题,提出了基于一种加权变形的2DPCA的人脸特征提取方法(WV2DPCA),该方法利用变形的2DPCA方法分别对人脸3个子部分分别提取特征,然后根据最近邻理论和权值进行分类。经过在ORL人脸库和YALE人脸库的实验研究表明：与2DPCA相比,提高了人脸空间的识别率,压缩了人脸空间的系数,减少了识别时间;在识别的准确率方面,更优于传统的Fisherfaces,IC,Kernel Eigenfaces的算法。     

入侵检测系统中基于主成份分析特征提取研究

数据降维是基于模式识别方法的入侵检测系统需要解决的一个问题。由于主成份分析方法具有两个我们期望的特性，一是不同的主成份之间互不相关，二是每个主成份都是所有原始特征的线性组合．所以将主成份分析应用到入侵检测系统的特征提取中。首先我们使用ReliefF算法去除原始特征中与分类无关的特征．然后再进行主成份分析。在实际的数据集KDDCUP’99上进行的实验结果表明提出的方法是有效及实用的。     

一种基于复数域中二维特征提取的人脸识别方法

该文提出了一种新的基于复数域中的二维特征提取方法进行人脸识别。该方法首先对人脸样本进行镜像变换,根据原始人脸样本和相应的镜像样本分别计算偶对称样本和奇对称样本,通过奇偶加权因子将偶对称样本与奇对称样本组成复数样本,然后在复数域中分别定义复图像类内散布矩阵和复图像类间散布矩阵,并求解一组最优复投影轴,将复人脸样本投影到这组最优复投影轴上来提取人脸特征,最后采用最近邻距离分类器来分类所提取的特征。该方法在NUST603人脸图像库中进行了实验,实验结果表明该方法获得了较好的识别效果。     

一种无人机航拍影像快速特征提取与匹配算法

无人机影像具有非常高的分辨率,边缘和纹理信息更加丰富,基于经典SURF特征的影像拼接算法在处理无人机影像时面临着新的挑战。为提高无人机航拍影像拼接效率,该文提出一种快速特征提取与匹配算法。在特征提取环节,提出采用局部差分二进制算法描述特征,在不降低特征区分性的同时,较SURF描述子而言降低了特征维度。在特征匹配环节,提出采用局部敏感哈希搜索算法代替kd树搜索算法,提高了最近邻特征匹配效率。实验结果表明,与基于SURF描述子和kd树搜索算法的最近邻匹配拼接算法相比,该文算法特征匹配效率有明显提升,匹配精度也有所改善,更适合应用于基于特征的无人机航拍影像快速制图。