基于图像协方差无关的增量特征提取方法研究

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.

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

所属期刊栏目：41

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家重点研发计划2017YFB1303304;天津市科技计划重大专项17ZXZNGX00110;天津市自然科学重点基金16JCZDJC30400

在线出版日期：2019-12-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2768-2776