彩色图像识别的核特征提取方法研究
  • 【摘要】

    彩色图像在当前模式识别和机器学习领域扮演着非常重要的角色。彩色图像广泛的用于目标检测,跟踪和识别。相比起灰度图像,彩色图像包含更多的有用信息用于提高图像识别的性能,所以彩色图像引起了人们广泛的关注。彩色图像识别的关键是如何有效的利用各彩色分量之间的互补信息并去除它们之间的相关性。多变量典型相关分析是彩色图像识别的一种重要工具,它用于彩色图像,最大化彩色图像分量之间的相关系数,提取典型相关特征。展开>>彩色图像在当前模式识别和机器学习领域扮演着非常重要的角色。彩色图像广泛的用于目标检测,跟踪和识别。相比起灰度图像,彩色图像包含更多的有用信息用于提高图像识别的性能,所以彩色图像引起了人们广泛的关注。彩色图像识别的关键是如何有效的利用各彩色分量之间的互补信息并去除它们之间的相关性。多变量典型相关分析是彩色图像识别的一种重要工具,它用于彩色图像,最大化彩色图像分量之间的相关系数,提取典型相关特征。
      核方法是提取非线性特征的一种有效工具。近年来基于核的非线性分析在模式识别领域得到了更多的关注,因为核技术能够通过非线性的核映射在一个无限维的特征空间中有效的构造输入数据集的非线性关系。核技术不需要在特征空间计算内积,所以它在一定程度上降低算法的复杂度。
      在本文中,我们将彩色图像识别和核方法相结合,提出两种新颖的彩色图像识别方法:彩色图像核典型相关分析方法和彩色图像核整体正交鉴别分析方法。两种方法都是使用核技术将彩色图像数据集投影到高维非线性核空间。彩色图像核典型相关分析方法是运用多变量典型相关分析的理论方法在非线性高维核空间提取彩色图像分量之间的典型相关特征,然后在特征层将彩色分量的特征融合并用于分类识别。彩色图像核整体正交鉴别分析方法的基本思想是在非线性高维核空间依次提取各彩色分量的鉴别特征同时满足鉴别向量集之间相互正交。它在特征层消除鉴别向量集之间的相关性,将彩色分量的特征融合用于分类识别。在AR,FRGC-v2,PolyU公共彩色图像数据库上的实验结果表明提出的两种方法相比于比其他方法取得了很好的识别效果。 收起<<

  • 【作者】

    王超 

  • 【学科专业】

    模式识别与智能系统

  • 【授予学位】

    硕士

  • 【授予单位】

    南京邮电大学

  • 【导师姓名】

    荆晓远

  • 【学位年度】

    2012

  • 【语种】

    chi

  • 【关键词】

    彩色图像识别  核特征提取  目标检测  非线性分析