中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2014年
3期
414-420
,共7页
黎曼流形%集合匹配%保局投影%协方差矩阵
黎曼流形%集閤匹配%保跼投影%協方差矩陣
려만류형%집합필배%보국투영%협방차구진
Riemannian manifold%set matching%locality preserving projection%covariance matrix
目的 提出了黎曼流形上局部结构特征保持的图像集匹配方法.方法 该方法使用协方差矩阵建模图像集合,利用对称正定的非奇异协方差矩阵构成黎曼流形上的子空间,将图像集的匹配转化为流形上的点的匹配问题.通过基于协方差矩阵度量学习的核函数将黎曼流形上的协方差矩阵映射到欧几里德空间.不同于其他方法黎曼流形上的鉴别分析方法,考虑到样本分布的局部几何结构,引入了黎曼流形上局部保持的图像集鉴别分析方法,保持样本分布的局部邻域结构的同时提升样本的可分性.结果 在基于图像集合的对象识别任务上测试了本文算法,在ETH80和YouTube Celebrities数据库分别进行了对象识别和人脸识别实验,分别达到91.5％和65.31％的识别率.结论 实验结果表明,该方法取得了优于其他图像集匹配算法的效果.
目的 提齣瞭黎曼流形上跼部結構特徵保持的圖像集匹配方法.方法 該方法使用協方差矩陣建模圖像集閤,利用對稱正定的非奇異協方差矩陣構成黎曼流形上的子空間,將圖像集的匹配轉化為流形上的點的匹配問題.通過基于協方差矩陣度量學習的覈函數將黎曼流形上的協方差矩陣映射到歐幾裏德空間.不同于其他方法黎曼流形上的鑒彆分析方法,攷慮到樣本分佈的跼部幾何結構,引入瞭黎曼流形上跼部保持的圖像集鑒彆分析方法,保持樣本分佈的跼部鄰域結構的同時提升樣本的可分性.結果 在基于圖像集閤的對象識彆任務上測試瞭本文算法,在ETH80和YouTube Celebrities數據庫分彆進行瞭對象識彆和人臉識彆實驗,分彆達到91.5％和65.31％的識彆率.結論 實驗結果錶明,該方法取得瞭優于其他圖像集匹配算法的效果.
목적 제출료려만류형상국부결구특정보지적도상집필배방법.방법 해방법사용협방차구진건모도상집합,이용대칭정정적비기이협방차구진구성려만류형상적자공간,장도상집적필배전화위류형상적점적필배문제.통과기우협방차구진도량학습적핵함수장려만류형상적협방차구진영사도구궤리덕공간.불동우기타방법려만류형상적감별분석방법,고필도양본분포적국부궤하결구,인입료려만류형상국부보지적도상집감별분석방법,보지양본분포적국부린역결구적동시제승양본적가분성.결과 재기우도상집합적대상식별임무상측시료본문산법,재ETH80화YouTube Celebrities수거고분별진행료대상식별화인검식별실험,분별체도91.5％화65.31％적식별솔.결론 실험결과표명,해방법취득료우우기타도상집필배산법적효과.
