基于正则化子空间学习的图像特征提取方法研究

图像识别研究综合使用图像分析、特征提取和识别等技术来实现图像的分类、解释和理解，在生物医学工程、工业检测、人机交互和安防等领域具有重要的理论和应用价值。在图像特征提取技术中，基于滤波器组的方法近年来得到了较多关注，已成功应用于生物识别、纹理分类、医学图像分析等重要领域。针对目前基于滤波器组的图像特征提取技术中普遍存在的滤波器组优化设计问题，本项目创新性地引入正则化子空间方法，通过对基于滤波器组的方法进行问题分析，将其表示为子空间学习问题；基于正则化子空间学习框架，有效利用视觉和认知机理研究成果，综合使用张量子空间和惩罚子空间方法研究有效的新型正则化子空间模型和算法以实现滤波器组的优化设计进而实现图像的特征提取与表达；结合舌象纹理分析、人脸和掌纹识别等应用，评价和改进基于正则化子空间学习的图像特征提取技术。项目具有一定的理论研究价值和推广意义，有望在舌象纹理建模、掌纹和人脸识别方面取得突破。

在本项目的支持下，项目组过去三年来围绕着正则化方法在子空间和图像复原中的应用，从计算模型和优化算法等方面开展了一系列研究，研究成果已成功应用于人脸识别、掌纹识别、计算机脉象分析。研究成果主要包括IEEE Transactions系列论文2篇、ACM Computing Surveys一篇，Pattern Recognition论文2篇，CVPR论文1篇，ICIP两篇和ICPR两篇。主要成果简单概述如下：.(1) 在正则化子空间分析方面，我们重点研究了度量学习/特征选择通用框架、度量学习和核方法的一致性等问题中的典型正则化方法，提出了若干种新型子空间分析方法，包括判别分析的后处理方法，最近命中丢失成分分析、快速最近邻成分分析等。此外，我们还提出了一种基于支持向量机框架的正则化距离度量学习方法。研究成果主要发表在Signal Processing、Neurocomputing、ICONIP等期刊和会议上。.(2) 在基于全变分正则化模型的图像复原方面，我们重点研究了两种优化算法：快速梯度方法和增广拉格朗日方法。我们提出了一种广义加速邻近梯度算法，并将其应用于全变分图像复原。我们还提出一种梯度域增光拉格朗日方法的图像复原算法，该算法可取得目前最快的图像复原速度。最后，我们还将图像梯度向量场的计算表示为图像复原问题，并提出了一种基于增广拉格朗日方法的快速梯度向量场重建算法。研究成果主要发表IEEE Transactions on Image Processing、Pattern Recognition Letters、ICIP等期刊和会议上。.(3) 在算法的应用方面，我们重点研究了正则化方法在掌纹识别和计算机脉象诊断中的应用。我们针对掌纹的纹线方向编码、稳健匹配和快速检索等问题开展研究。提出了多尺度竞争编码、纹线方向聚类、广义角度距离、基于马尔科夫随机场的模板匹配和基于覆盖数的快速掌纹检索等方法，有力的推动了掌纹识别的发展。针对中医脉象信号分析重点研究了核学习方法，提出了一种基于差别加权k近邻分类方法的中医脉型分类方法，，以及基于多重核学习的脉象异质特征进行融合和分类方法。研究成果主要发表ACM Computing Surveys, IEEE Transactions on Information Technology in Biomedicine、Pattern Rec