多模方向子空间研究

随着传感器技术、数据采集技术的迅速发展，图像数据的维数越来越高，使得子空间分析中的小样本和维数灾难问题已成为急需要解决的问题之一。本项目研究在多线性子空间分析中，引入图像局部结构信息，实现多模方向子空间分析。其中包括：多模方向图的提取及参数确定；k-模方向子空间分析；实现多模方向独立成分、主成分和线性判别分析；结合LPP和NPE原理，实现多模方向LPP和NPE分析；然后利用高光谱图象分类和生物特征识别进行验证分析，最终形成多模方向子空间应用软件。和已有的子空间分析相比有以下几个优点：不需要迭代求解，计算量小；将图像局部结构信息引入了子空间分析中，得到了能较好地反映图像局部结构信息的特征；避免了小样本和维数灾难问题。本项目研究的多模方向子空间分析在模式识别、机器学习和计算机视觉等领域具有广阔的应用前景和重要的理论价值。