基于样本加权矩阵的自适应弱目标识别鲁棒算法

摘要：

以人脸为例,提出多区域特征融合的弱目标特征表示方法,并据此设计1种新的加权PCA-LDA(Principal element analysis-Linear distinction analysis)弱目标识别方法,用样本加权特征矩阵代替传统的特征向量,有效地将局部和全局特征加权融合.其步骤是:提取弱目标的全局特征,并用1种新的基于Gabor小波的方法提取其特征;基于将全局和局部特征加权融合的思想,得出权值的选择方法;通过研究多区域特征加权融合原理,提出定义每类样本的类矩阵,得到新的投影准则,解决小样本空间问题,最后得出加权PCA-LDA算法.研究结果表明:加权PCA-LDA算法能很好地结合弱目标图像全局和局部的互补信息,其识别效果优于各单一区域的分类效果.

关键词：弱目标检测与跟踪、类矩阵、特征提取、自适应、鲁棒

所属期刊栏目：41

分类号：TN911.73

资助基金：湖南省教育厅科学研究项目08C714

在线出版日期：2010-08-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1052-1057