基于图像协方差无关的增量特征提取方法研究

• 作者: 孙明月 王肖锋 葛为民
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 模式识别 协方差无关 特征提取 增量学习 2维主成分分析
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 论文
• 页码范围: 2768-2776
• 页数: 9页
• 分类号: TP391.41
• 字数: 6159字
• 语种: 中文
• DOI: 10.11999/JEIT181138

摘要

针对2维主成分分析(2DPCA)算法无法实现在线特征提取及无法体现完整数据结构信息等问题,该文提出一种基于图像协方差无关的增量式2DPCA(I2DPCA)算法.该算法无需对图像协方差矩阵进行特征值分解奇异值分解,复杂度将大为降低,提高了特征提取速度.针对I2DPCA仅提取了横向特征的问题,又提出一种增量式行列顺序2DPCA(IRC2DPCA)算法,该算法对I2DPCA的特征矩阵再次进行纵向特征提取,保留了图像的横向与纵向结构信息,实现了行列两个方向上的特征提取与数据降维.最后,以自建的物块数据集、通用的ORL和Yale人脸数据集分别进行对比实验,结果表明,该文算法在收敛率、分类率及复杂度等性能方面均得到了显著提高,其收敛率达到99％以上,分类率可达97.6％,平均处理速度为29帧/s,能够满足增量特征提取的实时处理需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王肖锋	天津理工大学天津市先进机电系统设计与智能控制重点实验室	25	151	5.0	12.0
5	葛为民	天津理工大学天津市先进机电系统设计与智能控制重点实验室	41	265	8.0	15.0
9	孙明月	天津理工大学天津市先进机电系统设计与智能控制重点实验室	1	0	0.0	0.0