隨著互聯(lián)網(wǎng)的廣泛普及以及信息技術(shù)的迅猛發(fā)展,圖像數(shù)據(jù)的規(guī)模正日益增長。如何從海量的圖像數(shù)據(jù)中獲取合理且有價值的特征表示已經(jīng)成為圖像信息技術(shù)、模式識別等領(lǐng)域的熱點話題。針對此問題,本文提出了多圖嵌入技術(shù)并將其應(yīng)用在流形對齊和深度自編碼器上以獲取更優(yōu)的圖像特征表達(dá)能力。并設(shè)計實現(xiàn)了圖像識別系統(tǒng),應(yīng)用所提出的表征算法,提升圖像的識別準(zhǔn)確度。本文的主要研究內(nèi)容和創(chuàng)新如下:1.提出了基于多圖嵌入技術(shù)的流形對齊算法。本文在傳統(tǒng)圖嵌入算法（LPP、NPE、SPP）構(gòu)造過程的啟發(fā)下提出了多圖嵌入框架,能夠融合多個從不同角度構(gòu)建的圖嵌入矩陣以獲取流形中更全面的特征信息。然后將多圖嵌入框架應(yīng)用在半監(jiān)督流形對齊算法中使得對齊（多流形聯(lián)合投影）過程中各流形的局部結(jié)構(gòu)信息更好地被保存,以在低維嵌入空間獲得流形間更佳的對齊效果。在多個數(shù)據(jù)集上的對齊結(jié)果表明,該方法在對齊的準(zhǔn)確率以及魯棒性上均優(yōu)于傳統(tǒng)的流形學(xué)習(xí)以及流形對齊算法,證實了此方法在多流形特征表達(dá)方面的優(yōu)越性能。2.提出了基于多圖嵌入技術(shù)的集成自編碼器算法。首先基于集成的思想和激活函數(shù)的多樣性把傳統(tǒng)的深度自編碼器拓展成多個自編碼器并行的集成網(wǎng)絡(luò)結(jié)構(gòu)來保存更... 

【文章來源】：江蘇大學(xué)江蘇省

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

模式識別過程

基于多圖嵌入的圖像特征表達(dá)研究 流形結(jié)構(gòu)信息，更好地保持?jǐn)?shù)據(jù)的局部幾何結(jié)構(gòu)并提升流形對齊的效果。多圖嵌入的基本思想如圖 3.1 所示，其中1L ,2L ,…,NL 是依據(jù) LPP、NPE、SPP 等流行學(xué)習(xí)方法獲取的流形表示。通過給各圖嵌入矩陣分配權(quán)重并進(jìn)行融合可以得到具備更全面特征信息的圖G 。

基于多圖嵌入的圖像特征表達(dá)研究32物體旋轉(zhuǎn)拍攝得到的且每個物體擁有每旋轉(zhuǎn)5度拍攝的共72張像素為128128@的圖片。本次實驗從中選取了四個物體來構(gòu)成數(shù)據(jù)集，分別為object-1、object-2、object-6和object-10，每個物體的部分樣本圖片如圖3.3所示。圖3.3實驗所用四個物體的部分樣本圖片為了更充分地展示各流形對齊算法的效果并避免偶然性，共進(jìn)行了四組實驗：obj1&obj2;obj1&obj6;obj2&obj6;obj6&obj10。首先，運用本章提出的算法以及對比的算法把每組數(shù)據(jù)集映射到共同的低維空間中。然后在嵌入空間中，對于一個流形(原流形)中的樣本點ix，在另一個流形(目標(biāo)流形)中尋找與之歐式距離最小的樣本點jy，然后標(biāo)記ix的匹配誤差值為||ijxy，其中ix，jy分別代表ix，jy的角度。因此，每種算法的誤差值可以表示為嵌入空間中原流形中各樣本ix的誤差值的和的平均值，誤差值低說明算法對齊效果好，誤差值高說明算法對齊效果較差。表3.1展示了各算法在基于不同數(shù)量對應(yīng)信息的情況下，四組實驗對齊后的匹配誤差，所用算法包括流形對齊算法MA-MGE、SSMA、PAMA、UNMA，以及兩個經(jīng)典的流形學(xué)習(xí)方法LPP、RPCA-OM�？梢钥闯�，當(dāng)給定的對應(yīng)信息數(shù)量l逐漸提升時，半監(jiān)督流形對齊算法MA-MGE、SSMA、PAMA的匹配誤差有明顯下降，表明當(dāng)給定的對應(yīng)信息越多時半監(jiān)督流形對齊算法的對齊效果越好。此外可以看出在四組實驗中，本章提出的算法在實例層(MA-MGE(I))和特征層(MA-MGE(F))都能取得優(yōu)于各對比算法的良好表現(xiàn)，其中以MA-MGE(I)的效果最好。傳統(tǒng)的流形學(xué)習(xí)方法LPP、RPCA-OM對給定的兩個數(shù)據(jù)集分別進(jìn)行了降維操作，并沒有探索流形間的關(guān)聯(lián)，因此匹配效果較差且不隨著對應(yīng)信息數(shù)量的改變而變化。盡管在蛋白質(zhì)流形結(jié)構(gòu)對齊的實驗中UNMA取得了較好的效果，

【參考文獻(xiàn)】：
期刊論文
[1]生物特征識別技術(shù)綜述[J]. 孫冬梅,裘正定.  電子學(xué)報. 2001(S1)
[2]人臉識別技術(shù)綜述[J]. 張翠平,蘇光大.  中國圖象圖形學(xué)報. 2000(11)



本文編號：3309034