基于張量子空間的圖像特征提取方法研究.pdf

1、作為模式識(shí)別中的關(guān)鍵技術(shù)，特征提取的好壞直接影響后續(xù)的分類效果。特征提取的主要任務(wù)就是從眾多數(shù)據(jù)特征中提取出最有效的特征，從而達(dá)到可視化或降維的目的。針對(duì)傳統(tǒng)的一維特征提取方法的高計(jì)算量和破壞圖像內(nèi)在結(jié)構(gòu)的缺陷，本文研究了基于張量子空間的圖像特征提取方法。
　　 首先，提出了基于對(duì)稱信息矩陣的特征提取方法，該方法通過自定義參數(shù)控制原始圖像和對(duì)角圖像所占的比重，既得到了對(duì)稱的圖像信息矩陣，又克服了對(duì)角圖像破壞圖像結(jié)構(gòu)的缺點(diǎn)，充分利

2、用了原始圖像和對(duì)角圖像的互補(bǔ)性。
　　 其次，改進(jìn)了二維線性判別分析算法，提出了最大邊緣二維移位判別分析算法，增加了鄰近不同行間的協(xié)方差信息，降低了特征系數(shù)的數(shù)目，并通過最大邊緣準(zhǔn)則的調(diào)節(jié)獲得了最優(yōu)的投影子空間；然后將該方法采用級(jí)聯(lián)的方式擴(kuò)展到雙邊形式，同時(shí)考慮了不同行間和列間的協(xié)方差，從而充分挖掘了圖像的局部結(jié)構(gòu)信息，進(jìn)一步提升了識(shí)別效果；將這一思想推廣到局部保持投影算法中，既保留了樣本間的局部結(jié)構(gòu)信息，也增加了圖像像素間的局