图像特征抽取的若干新方法研究

《图像特征抽取的若干新方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、博士学位论文图像特征抽取的若干新方法研究作者：宋晓宁指导教师：杨静宇教授南京理工大学2010年10月Ph．D．Dissertation}IlllIIITIUlllltllIY1919728SomenewmethodsforimagefeatureextractionSupervisionbyPYojJingyuYangNanjingUniversityofScience＆TechnologyOctober,2010g陀勋砂垤严Ⅺr⋯声明本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本学位论文中，除-f)jⅡ以标注和

2、致谢的部分外，不包含其他人已经发表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文中作了明确的说明。研究生签名：钐州引月7日学位论文使用授权声明南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或上网公布本学位论文的部分或全部内容，可以向有关部门或机构送交并授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密论文，按保密的有关规定和程序处理。研究生签名：删撕夕博}论文特征抽取的若千新方法研究摘要随着网络与通讯技术的飞速发展和人类物理

3、与虚拟活动空间的不断扩展，人们对于信息安全性的要求R益提高，需要进行人的身份识别的场合也越来越多。生物特征识别技术是通过计算机利用人的生理特征或行为特征来判别一个人的身份。人脸识别技术是生物特征识别技术领域中重要的组成部分，它根据人面部影像中的有效信息进行个人身份识别。与其它生物特征识别技术相比，人脸识别具有方便快捷、非接触无侵犯性采集、可交互性等诸多优势，已成为了生物特征识别技术中的一个研究热点，并且具有广阔的应用前景。在过去几十年中，很多学者在模式识别领域中提出了大量的特征抽取方法，比如用来处理线性问题的经典算法线性鉴别

4、分析，以及在支持向量机基础上演变得来的一系列基于核技巧的特征抽取方法，它们被普遍的应用在非线性问题的处理过程中。本文对线性特征和非线性特征的抽取方法做了深入的分析和研究，在特征抽取过程中尽可能多的融入样本的结构信息以保留更多的鉴别信息，同时更关注提出算法的效率和性能。本文的主要工作及创新如下：核策略是基于统计学习理论和支持向量机技术发展起来的，是解决非线性问题的一个有效的手段。本文提出了基于支持向量机(SVM)和决策树(DT)的几种新分类器算法。首先对传统支持向量机和模糊支持向量机(FSVM)处理多类问题的算法缺陷进行分析，

5、然后在DT-FSVM和最近邻分类器的基础上，提出基于样本区域分析(SRA)的混合分类器算法(SRA-DT-FSVM)，该算法中样本区域分析的概念被提出。在线性鉴别分析(LDA)的人脸特征空间中，分别对算法FSVM，DT-FSVM，SRA．DT-FSVM以及Binary．DT-SVM进行了全面的性能比较。通过在ORL人脸库上的实验结果表明，提出的新方法是有效的，并且通过引入三又决策树，我们较大幅度的提高了传统FSVM的分类速度。传统的线性鉴别分析方法在特征提取过程中使用的是2值情况下的判别标准，也就是说：对于给定的一个样本，在

6、特征提取过程中的判别依据足要么这个样本属于某个类，要么不属于某个类，每次执行的均是一个硬分类标准。比如在一些经典的人脸识别算法中，人脸数据的采集往往会受到表情、光照、姿态等各种环境条件的影响。基于对这一思想的考虑，我们在传统的代数特征提取方法之中引入模糊集理论，隐含的将样本的几何结构信息融入到样本的代数特征提取过程之中。在此基础上，我们提出了一种松弛条件下的完全模糊线性鉴别分析策略，通过对隶属度函数中的归一化条件进行松弛化处理，重新设计模糊隶属度矩阵的计算公式，从而得到更加有效的模糊样本特征向量集。该方法步骤同传统模糊线性鉴

7、别分析方法相比有效解决了离群样本的模糊特征抽取问题，并且充分考虑了每个样本所包含的隶属度信息。与此同时，为摘要博}论文了避免分类器出现不可分区域现象，我们同时采用提出的DT-FSVM算法作为模糊分类器，由此建立了一个完整的模糊线性鉴别分析策略，即分别提出一种模糊特征抽取方法和模糊分类器，并将两者有效结合，形成一个完整的模糊线性鉴别分析算法。小样本问题是在利用Fisher线性鉴别准则做特征提取过程中经常会遇到的，本文为解决小样本问题提出了一种基于对称零空间准则的LDA特征抽取算法(OSNS)，该算法通过重构Fisher鉴别准则

8、，在两个具有对称性质的散布矩阵的零空间及其互补空间内利用投影数据的最大可分性，同时获得了更多的有助于分类的鉴别信息。OSNS算法解决了传统Fisher鉴别分析方法只计算一个散布矩阵零特征空间的缺陷，加强了类内和类间两个散布矩阵在重构鉴别准则下所对应的特征空间之间的内在联系，同时解决了传统F