基于散射变换的图像不变特征提取

In real environment, the changes of distance, perspective and light could lead to affine and elastic image deformation, which is the greatest challenge faced for accurate and robust image feature extraction. Discussing the tectonic theory and extraction algorithms of image invariant feature has significantly theoretical and applied value for image classification and recognition. we synthesize the influences of affine deformation, elastic deformation, illumination changes and partial occlusion, combining theoretical and empirical research approach, concentrating on extraction of invariant image feature, this project focuses on improvement and expansion of scattering transform theory, rapid realization of scattering transform algorithm and extraction of global statistical characteristics and local stable feature of scattering coefficient, which would provide theoretical support and methodological guidance for image analysis and understanding. The innovations of this project would include: construction of sparse complex wavelet, designation of invariant combining scattering transform, organic integration of domain characteristics and scattering theory, information measure based scattering path optimization, global and invariant local image feature extraction based on scattering space-scale model. The achievements of image invariant feature will be tested by their application in object recognition and image classification.

现实环境中距离、视角、光照等变化导致图像产生仿射变形和弹性形变，准确、鲁棒的图像特征提取面临巨大挑战，研究图像不变特征的构造理论和提取算法，对图像的分类和识别具有重大的理论和应用价值。本课题综合考虑仿射形变、弹性形变、光照变化和局部遮挡的影响，采取理论研究与实证研究相结合的方法，紧紧围绕图像不变特征提取问题，开展散射变换理论改进与拓展、散射变换算法快速实现、散射系数的全局统计特征和局部稳定特征提取等三个方面的研究，为图像分析与理解提供理论支撑和方法指导。本课题将在稀疏性复小波的构造、不变性组合散射变换的设计、变换域特性与散射理论的有机结合、信息度量下的散射路径优化、基于散射域空间-尺度模型的图像全局与局部不变性特征提取等方面形成创新和特色，并通过在目标识别和图像分类等方面的应用，验证本课题取得的图像不变特征研究成果。

本项目围绕如何提取图像更多的特征信息开展研究。以小波变换和压缩感知的理论为基础，重点研究了图像特征提取问题。研究一把原2维散射变换扩展到3维散射变换，可应用于高光谱图像等3维数据的谱空间特征提取，散射变换是在小波理论基础上提出的一种新的时频分析方法，能够有效地提取不同尺度和方向上图像“共生信息”，具有局部平移不变性和弹性形变稳定性及光照不敏感等特性；研究二利用Gabor滤波器具有根据文理的尺度和方向捕获滤波响应的能力以及散射变换的鲁邦性，并应用于尿沉渣图像中的纹理分析；研究三从稀疏表示的角度提取图像不变特征，并应用于有遮挡、光照干扰的人脸识别和高光谱图像分类中；研究四主要从空间域的角度来提取图像不变特征，有基于局部和全局结构的特征提取方法，基于对数极变换的相似性度量不变特征提取方法，基于局部保持投影的流行对齐，和拓扑编码的图像特征提取方法；在频谱域上，利用具有滑动窗口的分形维数和小波变换并对蛋白质序列做相似性分析，利用基于积分方程小波配置方法的小波变换处理图像谐波变换问题，利用小波变换系数的期望来估计图像锐度，利用二维均值比较模态分解来对图像进行融合。因图像特征空间结构复杂，提出一种基于信息熵的原子表示框架提高分类的准确度，从而达到缩小低层特征和原图差距的目的。.本研究不仅对特征提取的理论和算法有所贡献，而且可将相应的科技成果用于实际应用研究（高光谱图像分类，目标检测等），具有一定的指导意义。到目前为止，本项目共发表SCI论文20余篇，发明专利2项。