论文部分内容阅读
特征抽取是模式识别领域的核心问题之一,其主要任务是从原始样本信息中提炼出最有利于模式分类的有效鉴别信息。特征编码和回归分析方法因其计算简单、有效等特性在特征抽取领域得到了广泛应用。本文针对指关节纹识别,提出了若干新的特征抽取方法,并将其与现阶段的主流方法进行了比较,验证了本文方法的有效性。本文的主要工作和贡献集中在以下几个方面：(1)提出了线性重构和自适应二值融合(R-ABF)方法。R-ABF从图像中可能存在姿势变形着手,主要有以下两方面的贡献：一是对可能含有姿势变形的样本,运用模板图像对其进行重构,减小由于姿势变形而增大的匹配距离；二是借鉴多模态生物识别的思想,提出了自适应二值融合的方法,同时考虑重构前和重构后样本对于最终识别的影响。综合以上两方面,所设计的R-ABF算法能够在不增大错误接受率的情况下,最大限度地降低错误拒绝率,对提高系统的识别性能和稳定性有很大的帮助。(2)提出了多方向和纹理融合编码(MoriCode&MtexCode)方法。算法主要针对单一主方向特征提取方法的不足,利用Gabor滤波器的多向特性,对每个方向的滤波响应进行特征编码。同时,在多方向框架下利用局部二值模式(LBP)提取局部纹理信息。另外,对不同像素位置具有方向的可能性进行度量,并将度量结果嵌入到距离匹配准则中。多方向和纹理信息最终在匹配距离层进行加权融合。大量实验结果也验证了MoriCode&MtexCode的有效性。(3)提出了加权竞争编码(W-CompCode)方法。在竞争编码(CompCode)算法基础上,对于每个像素位置,根据Gabor响应值的差异性设计权值,并将其嵌入到原始的角距离匹配过程中。同时,为了充分利用权值的判别信息,对权值进行编码和距离匹配,并最终在匹配距离层与加入权值的角距离进行加权融合。与CompCode相比,所提出的W-CompCode能够最大限度地提高系统的识别性能。(4)提出了贝叶斯内容回归(BAR)方法。在分类识别中,图像除了具有类别信息外,其自身的结构内容信息也包含了一定的判别能力。通过贝叶斯公式,BAR可以同时利用样本的类别和结构内容信息来设置回归响应值。BAR利用脊回归方法得到投影矩阵用于特征抽取,并最终利用最近邻分类器进行分类识别。与现有方法相比,所提出的BAR包含较少的线性投影函数(等于样本的类别数),较小的特征存贮空间,较快的特征抽取速度。其次,BAR无论在低维和高维特征,还是在样本个数少和多的情况下,都能够得到较好的分类性能。