具有普适性的改进非负矩阵分解图像特征提取方法

• 作者: 孙福明 曹玉东 李豪杰 贾旭
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 非负矩阵分解 特征提取 稀疏表示 梯度下降法 特征降维
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 虚拟现实与多媒体计算
• 页码范围: 233-237,254
• 页数: 6页
• 分类号: TP391.413
• 字数: 4586字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017061394

摘要

为提高图像特征提取的普适性,提出了一种基于改进非负矩阵分解(NMF)的图像特征提取方法.首先,考虑到提取的图像特征的实际意义,选用非负矩阵分解模型进行图像特征的降维处理;其次,为实现用较小数量系数来描述图像特征,将稀疏约束作为非负矩阵分解模型的正则项之一;然后,为使降维后优化得到的特征具有较好的类间区分性,将聚类属性作为非负矩阵分解的另一个正则项;最后,通过对模型的梯度下降优化求解,获得最优的特征基向量与图像特征向量.实验结果表明,针对3种图像数据库,所提的图像特征更有利于图像正确分类或识别,错误接受率(FAR)与错误拒绝率(FRR)分别可以降低到0.021与0.025.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙福明	辽宁工业大学电子与信息工程学院	58	153	6.0	7.0
2	曹玉东	辽宁工业大学电子与信息工程学院	44	166	7.0	11.0
3	李豪杰	大连理工大学软件学院	14	74	6.0	8.0
4	贾旭	辽宁工业大学电子与信息工程学院	18	88	6.0	8.0