基于独立成分分析的表面缺陷特征提取与识别方法

为了提取表面缺陷图像特征,常对图像进行线性变换,但通常的wavelet变换、Gabor变换及其基函数都是预先定义和不变的,不能适应于缺陷图像的特点.为此提出基于独立成分分析(ICA)和拓扑独立成分分析(TICA)的特征提取方法,并将其应用于冷轧带钢表面缺陷自动识别.首先利用ICA和TICA从缺陷集中自适应地估计出基函数和滤波器,这些基适应于缺陷图像的特点;然后用与基对应的滤波器对缺陷图像滤波,提取滤波响应作为特征向量;最后用支持向量机对样本进行分类识别.该方法建立在对缺陷集无监督学习的基础上,能够自适应地提取缺陷图像的显著特征,且计算简单,可并行处理.实验结果表明,文中方法对形状类缺陷、纹理类缺陷及其他缺陷的识别率都非常高,总体识别率可达95.52％.     

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。     

On the Efficient Speech Feature Extraction Based on Independent Component Analysis

A new efficient code for speech signals is proposed. To represent speech signals with minimum redundancy we use independent component analysis to adapt features (basis vectors) that efficiently encode the speech signals. The learned basis vectors are sparsely distributed and localized in both time and frequency. Time-frequency analysis of basis vectors shows the property similar with the critical bandwidth of human auditory system. Our results suggest that the obtained codes of speech signals are sparse and biologically plausible.     

基于主成分分析的自适应特征选择算法研究

提出了一种自适应性的特征提取方法。首先通过主成分分析求出样本全局投影空 间,然后基于最大化投影构建优化目标函数,最后通过该函数求出自适应于个体样本的投影空 间。该方法很好地考虑了样本集合中每个样本的分布特点。为了使得算法可应用于识别分类问 题中,给出了计算存在于不同投影空间的个体样本间相似性的方法,相比于欧式度量,该方法 被证明得到的相似性能够更好地表征样本间的测地距离关系,使其能够有效地对流型结构数据 进行学习。通过在不同数据库上进行分类及重构的对比实验,实验结果表明,该方法能够更好 地提取数据特征,且对离群点具有鲁棒性。     

基于ICA和小波变换的轴承故障特征提取

应用独立分量分析方法和小波变换分离轴承的振动信号，提取其状态特征。并对信号进行自相关预处理，突出信号的非高斯成分，较好地满足独立分量分析的前提条件，即源信号统计独立。采用基于负熵的快速独立分量分析（ICA）算法，成功地分离出了信号的一些独立成分。对ICA处理后的分量信号进行小波变换，完成信号检测，消噪，频带分析，以获取故障信号特征，确定故障的位置和强度。研究结果表明，独立分量分析方法和小波变换能提取明显的轴承故障信号特征。     

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.     

用于形状特征提取的spike函数

形状特征是图像的一种重要视觉特征,其提取方法是形状识别、图像检索以及图像匹配等领域的研究热点.Spike参数用来反映磨粒轮廓角度的变化,spike参数越大,磨粒越尖锐,磨粒的磨损作用越大.在spike参数的基础上,提出了4种用于形状特征提取的spike函数,分别为用于表征形状轮廓细节特征的spike-angle函数和s...     

基于分块独立分量分析的人脸识别

提出了一种基于分块独立分量分析(BICA)的特征提取方法。该方法通过将人脸分块降低了光照条件、人脸表情等外在因素对人脸识别的影响,并先后将分块后重组的矩阵的行和列作为训练样本提取独立分量,由于训练样本维数很小,因此它降低了传统独立分量分析（ICA）方法中存在的高维小样本问题产生的识别错误率,同时减少了识别时间。在Yale人脸库和AR人脸库上验证了该算法的有效性。     

基于ICA的特征不变性目标识别

在图像目标识别中，目标图像平移、尺度和旋转不变性是一个重要前提，而高阶矩特征存在稳定性差的缺点．提出采用主分量分析(PCA)方法确定目标在最大方差意义下主轴的旋转角度，并结合稳定性好的低阶矩特征实现目标的平移、尺度和旋转不变性变换；然后利用独立分量分析(ICA)良好的目标特征抽取能力，在各目标特征空间重建目标模型，并通过对重建模型的误差分析实现目标识别；最后通过PCA确定目标旋转角度测试和ICA目标识别测试两个实验，证实了本文算法的鲁棒性和准确性．     

基于独立分量分析特征提取的带噪信号端点检测

运用独立分量分析(ICA)提取信号高阶统计特征的方法,提出一种新的利用信号自身统计特性的信噪区分方法,由于ICA变换可以增大语音和噪声的统计性差别,故在ICA域内可以有效区分语音和噪声。在此基础上提出了ICA能量(ICAE)和滤波ICAE(FICAE)特征来进行端点检测。实验表明,结合FICAE与ICAE的端点检测方法在不同信噪比时具有一定的稳定性,在很低信噪比下也能有效检测出语音的端点,显示了良好的抗噪性能,为强背景噪声下弱信号的端点检测提供了新的途径。     

一种考虑类别信息的音频特征提取方法

提出了一种利用训练数据的类别信息改善分类效果的音频特征提取方法．与传统的利用独立分量分析进行特征提取的方法相比,在计算训练向量空间的基函数组时,特征向量各分量之间的互信息不是直接在全体训练向量上计算的,而是分别在各个不同类的训练向量上计算,然后求其统计平均值．实验结果表明,用这种方法得到的基函数组,能够进一步减小同一类音频的特征向量各分量之间的互信息．从而提高分类的成功率．     

一种新的图像特征抽取方法研究

对最佳鉴别矢量的求解方法进行了研究，根据矩阵的分块理论和优化理论，在一定的条件下，从理论上得到类间散布矩阵和总体散布矩阵的一种简洁表示方法，提出了求解最佳鉴别矢量的一种新算法，该算法的优点是计算量明显减少。ORL人脸数据库的数值实验，验证了上述论断的正确性。实验结果表明，虽然识别率与分块维数之间存在非线性关系，但可以通过选择适当的分块维数来获得较高的识别率。类间散布矩阵和总体散布矩阵的一种简洁表示方法适合于一切使用Fisher鉴别准则的模式识别问题。     

一种组合特征抽取的新方法

该文提出了一种基于特征级融合的特征抽取新方法，首先，给出了一种合理的特征融合策略，即利用复向量给出组合特征的表示，将特征空间从实向量空间拓广到复向量空间，然后，发展了具有统计不相关性的鉴别分析的理论，并将其用于复向量空间内最优鉴别特征的抽取，最后，在Concordia大学的CENPARMI手写体阿拉伯数字数据库以及南京理工大学NUST603HW手写汉字库上的试验结果表明，所提出的组合特征抽取方法不仅具有很强的维数压缩能力，而且较大幅度地提高了识别率。     

基于独立组件的模糊人脸图像鉴别

针对图像模糊会影响人脸图像识别精度的问题,首先指出了在摄取用于识别的人脸图像时加入模糊鉴别步骤的必要性,进而提出了基于独立面部组件进行模糊人脸图像鉴别的方法.由于进行模糊鉴别必须依赖图像中的高频细节信息,而人脸图像上绝大多数高频信息都集中在眼睛、眉毛、嘴巴等具体面部组件上,因此选择以这些面部组件为基本特征提取单位,以降低面颊、额头等主要包含低频平滑信息的面部其他区域对模糊鉴别精度的影响.该方法采用面部组件上的高频DCT系数为特征;随后为各组件构建独立的随机森林分类器,并分别判断每个面部组件其是否模糊;最后基于各组件的鉴别结果进行投票,得出最终模糊鉴别结果.在FRGC公开数据集上进行大量对比实验的结果表明,独立面部组件特征是有效的,并充分验证了文中方法的实际效果.     

一种人脸本征空间的特征提取算法

传统线性子空间算法在提取类内散度矩阵的特征向量时,存在偏差、过拟合和推广能力差的问题。为此,提出一种新的子空间算法。将类内散度矩阵的特征空间分解为2个子解空间,即主成分空间和零空间,再利用本征谱模型对2个空间分别进行正则化。在ORL人脸库上的实验表明,该算法使用较少的特征维数就能达到与传统算法相同的识别率。     

基于ICA-MJE和SVM的虹膜特征提取与识别

提出了一种新的虹膜特征提取与识别方法。对虹膜纹理采用最大判别熵的独立分量分析(ICA-MJE)实现特征提取,通过支持向量机(SVM)完成模式匹配。与Gabor小波的方法比较，在编码长度和编码时间方面有明显地改进。实验结果表明，该算法能更好地提高虹膜的识别率并能够有效地应用于身份识别系统中。     

基于二维图像矩阵的ICA人脸识别

为了解决传统独立分量分析(ICA)在人脸识别过程中存在的高维小样本问题,同时为了提高识别效率,提出了一种基于二维图像矩阵的独立分量分析(ICA)特征提取方法.该方法将人脸图像矩阵作为训练样本,首先利用主分量分析(PCA)对训练样本进行去二阶相关和降维处理,然后对处理后的样本进行ICA特征提取,由于训练样本维数很小,因此它降低了传统ICA方法中高维小样本问题产生的识别错误率,同时减少了识别时间.在Yale人脸库和ORL人脸库上验证了该算法的有效性.     

一种新的图象特征抽取方法

本文提出了一种新的特征抽取方法。它可对任意形状的工件进行准确描述，并具有计算速度快、特征抽取结果简单的特点。用此算法做成的视觉系统，能识别任意放置的甚至有遮挡或重叠的二维工件，是一种较好满足工业生产线上实时性要求的算法。