基于ICA的有噪图像特征提取研究

讨论了基于ICA的图像去噪方法,给出了基于ICA的图像边缘检测算法,该算法应用于高斯噪声图像,并与传统的边缘提取算法进行了比较.实验结果表明,该算法即使在高水平噪声图像中,也能够提取出比较清晰的图像边缘信息.     

人脸识别特征提取算法研究

人脸自动识别方法已成为当前模式识别和人工智能领域的一个研究热点,人脸特征提取是人脸识别技术的关键。首先介绍了ICA算法的原理,并对ICA算法的优缺点进行了讨论,提出了一种基于模糊隶属度函数的独立成分分析图像特征提取和识别方法。在ORL标准人脸数据库上的实验结果表明,这种识别算法优于PCA和ICA算法。     

基于PCA及ICA的双空间特征提取算法

任何一种单子空间特征提取算法都不能在任何情况下优于其他子空间算法,但是采用双子空间却可以克服单子空间的局限性。为了提高分类结果的正确率,提出了一种基于PCA及ICA的双空间特征提取算法,该算法采用ICA作为PCA的补空间进行特征提取,其目的是将在PCA子空间中难以识别的样本,再次投影到ICA子空间中进行识别。该算法可分为以下两个步骤:首先进行预分类,即在一个子空间内同时使用两种分类器对测试样本进行分类,若某个测试样本被两种分类器划分到不同的类,则将该测试样本加入到新测试样本集中;然后将新测试样本集中的测试样本再次投影到另一个子空间中进行分类识别;最后,将识别结果与预分类结果一起进行正确率测试。在ORL及FERET人脸库上的实验结果表明,该算法的模式识别率明显优于传统的特征提取算法。     

人脸检测中基于自适应ICA的特征提取算法

如何从图片中提取出有效特征来区分人脸与非人脸一直是一个难题.文中提出了利用自适应独立成分分析(Self-Adaptive ICA)算法对图像结构信息非常敏感的特点,有效地从大量正面人脸图片中分离出人脸的局部特征,从而利用这些局部特征基底有效地表示人脸图片.自适应ICA算法的优点是能自适应的拟合图像数据的统计性质,而不用预先设定.通过比较待检测的人脸图片与非人脸图片在这组特征基底上的投影系数,可以较好的区分二者.实验结果也表明这种特征提取方法可以找到一组很好的人脸特征基底.使用这种方法构造的弱分类器的分类准确率在相同的误检率下比Boosted Cascaded方法中的弱分类器高1% ～ 1.5%.     

基于网格采样的深度图像表面特征提取算法

深度图像的高级特征提取是3维视觉一个重要研究领域。为了提高对大量离散3维数据的处理速度,简化算子结构,本文提出一种新的方法,将单目或多目结构光传感器采集的离散3维数据点云转换成深度图像形式,使z方向代表深度,并实现x、y方向数据的规则网格采样。接着提出一种深度图像分割算法,先对整幅图像进行边缘提取,得到阶跃和褶皱两种边缘,采用主成分分析法(PCA)通过计算欧氏距离得到面的法线方向和方向间的夹角。经过两类传感器采集到的大量图像实验证明,该算法明显优于单纯的边缘或者区域算法,具有良好的抗噪声性能,满足并行在线测量的要求,并且不受物体形状的约束,可以应用于3D模型重建、机器人自主导航、逆向工程、文物数字化等多个3维视觉领域。     

基于图像自身复杂视觉信息的特征提取算法与应用

针对现阶段特征提取方法忽视图像自身的视觉信息的问题,提出了基于图像自身复杂视觉信息的特征提取算法与应用。该算法分析了视觉皮层V1区4B层复杂细胞的视觉功能,揭示了复杂视觉细胞提取区域图像非线性、独立和平移不变性特征的能力,建立了复杂视觉细胞的数学模型,并通过该模型提取了区域图像包含的复杂视觉信息。实验证明:所提算法依据图像自身包含的高级视觉信息,自适应提取区域图像的非线性、独立性和几何不变性特征,克服了常见特征提取算法忽视图像自身视觉特征的缺陷;在基于图像内容的图像检索领域,算法取得了良好的检索效果。     

基于Overcomplete ICA的人脸特征提取

人脸特征提取是人脸识别中最重要的一个环节,人脸特征提取的一种主要方法是寻找一系列的基图像,然后再把人脸表示为这一系列基图像的线性叠加。PCA和ICA在寻找基图像的过程中,源图像和基图像的数目都是相同的。本文提出了一种基于Overcomplete ICA的人脸特征提取方法,所得到的基图像数目要多于源图像数目。最后采用最小距离分离器进行人脸识别的实验,并与PCA和ICA的识别效果进行比较。     

基于局部和全局的特征提取算法及在人脸识别中的应用

提出了一种基于局部和全局特征的特征提取算法.该算法不仅能保持数据集的局部性,同时也考虑了数据集的全局性,使得降维后的数据既能保持邻近关系,又能从整体上较好地重构和展现.PCAO能较好地展现原数据集,LPP能保持局部邻近关系,算法结合了这两个算法的思想,但由于LPP没有考虑类别信息,故先对LPP进行改进,给出了一种有监督的局部保持投影算法,使得提出的算法能更加有利于分类问题.通过人脸识别实验,验证了算法的正确性和有效性.     

基于ICA算法的智能电子鼻在混合气体特征提取中的应用

电子鼻传感器在对环境污染的混合气体浓度监测及对工业废气检测中具有重要的作用,但由于现有算法的辨识能力和抗干扰能力差,影响提取原始信息信号的准确度;独立分量分析(ICA)方法是一种高效自信号分离方法;它将独立的源信号从混合信号中分离出来;文中经过电子鼻传感器检测出混合气体信号,通过ICA算法对混合气体进行分解,对外界干扰噪声进行消除,从而使气体成分辨别达到很好的效果;最后经过MATLAB仿真验证,对辨识出来的原始气体成分具有高精度,强抗干扰能力.     

基于PCA的SAR图像咖啡地貌特征提取

随着SAR图像处理技术日渐完善,精准提取出图像目标特征至关重要。本文在巴西咖啡场景数据集下开展研究,精确提取各地区咖啡地的主要特征。首先用二分类算法将数据集分为咖啡地和非咖啡地,因场景中包含阿尔塞堡、瓜拉尼西亚、瓜苏佩和圣山四个地区,受不同作物种植方式和气候的影响,地貌特征有较大差异,利用PCA算法在二分类结果上提取主要特征,得到四个地区的咖啡地貌特征。将该方法对比特征选取和线性评判分析,得出本文方法对不同地区地貌特征具有较好的提取准确度,提供了一种地貌特征提取的新方法。     

一种基于ICA的数字图像特征保护方法

提出一种利用数字图像的特征值对该数字图像进行保护的方法。该方法利用DCT变化原理,提取数字图像的特征值,然后采用信息论中熵的原理和独立分量分析方法评价特征值的变异程度,对数字图像进行保护。该方法不需要对原图进行修改,有较高的实用性。     

一种改进的FastICA算法及其应用

独立分量分析是基于信号高阶统计量的信号分析方法,它可以找到隐含在数据中的独立分量,已经广泛应用到语音信号处理、图像处理及信息通信等方面。目前应用较多的快速独立分量分析（FastICA）利用了牛顿迭代法原理,具有较快的收敛速度,但对初始值的选择比较敏感。为克服其缺点,改进其优化学习算法,在牛顿迭代方向增加一维搜索,使改进后的算法的收敛性不依赖于初始值的选择。将改进的FastICA算法应用到运动目标检测中,取得稳定性较强的结果。     

独立分量分析及其在图像处理中的应用现状

独立分量分析是一种基于高阶统计量的信号分析方法,它可以找到隐含在数据中的独立分量,近年来作为信号处理和图像处理领域的强有力的分析处理工具得到广泛的关注和研究。在介绍了独立分量分析的基本概念和各种实现算法及其性能的基础上,综述了独立分量分析在图像处理上的应用,最后结合作者的研究探索,总结了独立分量分析的研究新进展和发展趋势。     

基于统计不相关矢量集的独立成分分析

针对随机数据在高斯分布条件下,独立成分分析在本质上不可能实现的问题,提出在统计不相关矢量集上进行独立成分分析。与一般白化变换后的数据相比,基于统计不相关矢量集的数据具有更好的不相关性,在估计独立分量时性能更优越。在ORL人脸数据库上进行的实验结果证明了该算法的有效性。     

块独立成分分析的人脸识别

针对利用ICA提取人脸特征时需要将人脸图像转换成向量，导致空间维数很高以及不能准确地估计特征等问题，提出了一种新的独立子空间人脸识别算法——块独立成分分析（B-ICA）。和经典的ICA相比，B-ICA算法把人脸图像划分成一些互不重叠的子块，然后把每个子块转换成向量，看成是低维空间中的训练点（训练向量）。因此在B-ICA算法中，样本的维数比ICA算法中样本的维数低，降低了维数灾难（即样本的训练个数远小于样本的维数）造成的错误识别率。在Yale和AR数据库上进行了大量仿真实验，实验结果表明B-ICA算法的识别率比ICA和其他一些子空间算法的识别率高。     

小空间占用的快速彩色图像特征抽取方法

为了有效降低已有彩色图像特征抽取算法的空间占用,使得这类算法可以适用于仅有有限计算能力和计算空间的计算环境,提出了一种小空间占用的快速彩色图像特征抽取方法。此方法首先用无迭代双边二维主成分分析方法NIB2DPCA对彩色图像的R、G、B三个通道分别做特征抽取;然后把抽取到的三个特征矩阵重构为一个二维矩阵;接着用NIB2DPCA对此二维矩阵抽取特征得到最终的分类特征矩阵。最后用最近邻分类器验证提出方法的有效性。在CVL和FEI人脸库上的大量实验表明,提出的方法采用两次特征抽取方法对彩色图像的信息进行了有效的压缩从而使计算过程中占用的内存空间减小了两个数量级以上,由此导致了计算时间的缩短,计算速度的提高;而且识别率还有所提高。     

基于独立分量分析的小波域数字图像水印算法

提出了一种鲁棒数字图像水印算法。水印生成过程对原始水印进行转换、置乱和扩展等处理;水印嵌入过程将水印嵌入在原始图像小波域的逼近子图,嵌入的强度由噪声可见性函数自适应决定。水印提取过程不需要任何原始图像和原始水印的信息,采用独立分量分析实现对水印信号的盲提取。实验结果证实对于水印基准测试软件Checkmark的各种攻击,该算法具有较强的鲁棒性。     

融合独立分量分析与支持向量聚类的人脸表情识别方法

针对人脸表情特征提取及自动聚类问题,提出了融合独立分量分析（ICA）与支持向量聚类（SVC）的人脸表情识别方法。采用ICA方法进行人脸表情的特征提取,然后采用混合因子分析（MFA）的交互参数调整方法得到局部约束支持向量聚类（LCSVC）的半径,有效降低了表情类别聚类边缘的部分干扰,这比单独采用支持向量聚类（SVC）方法效果要好。测试样本时通过比较新旧半径的值进行判决,实验结果表明该方法是有效的。     

基于图像质量加权的D-S证据理论多生物特征融合识别

对人脸和指静脉在决策层的融合识别,给出一种新的组合图像质量评价方法,并采用一种改进的基于图像质量加权的D-S证据理论融合这两种生物特征。首先,组合图像质量评价法采用清晰度和对比度、相关系数的组合方法来评价生物特征图像质量;其次,应用改进的基于图像质量的匹配值增强方法和D-S证据理论,减少了极大值图像质量指标的影响,使图像质量加权与实际情况更趋一致。实验结果表明,与没有考虑图像质量因素相比,考虑了图像质量信息的D-S证据理论融合方法提高了识别效果。     

基于PSO与ICA的表情特征提取

提出基于粒子群优化（PSO）与独立分量分析（ICA）的表情特征提取方法。首先利用ICA算法对表情图像数据建立基本的独立基向量求解框架；为了减少计算复杂度，然后利用PSO算法对处理后的表情图像数据搜索最优的解集合；最后利用支持向量机（SVM）作为算法验证的分类器。实验结果表明该算法在保证较高表情识别率的基础上加快了表情图像特征提取的速度。