公开(公告)号：CN110781766B

公开(公告)日：2023-05-19

申请号：CN201910943071.8

申请日：2019-09-30

Applicant: 广州大学

Inventor： 谭恒良 ,  高鹰 ,  杜娇 ,  杨朔

IPC: G06V20/40 ,  G06V10/774 ,  G06V10/74 ,  G06V10/77 ,  G06V10/764 ,  G06F17/16

Abstract: 本发明公开了基于特征谱正则化的格拉斯曼流形判别分析图像识别方法，包括：将标准正交基集合组成的格拉斯曼流形映射到希尔伯特空间得到向量组；依据图嵌入理论框架建立局部保持矩阵并通过权重框架函数执行正则化操作得到变换矩阵，通过变换矩阵对向量组投影得到新的样本空间；对新的样本空间结合权重邻接矩阵求解方程得到降维投影矩阵，根据变换矩阵与其组合得到的最终矩阵提取训练视频图像集合与待识别视频图像集合的降维特征并进行相似度比较得到识别结果。本发明利用特征谱正则化技术解决了GDA方法在判别分析中因类内散度矩阵奇异而导致求逆不稳定、泛化能力差的问题；且加入图嵌入理论框架使得算法能更好地保持局部信息以获得更好的识别结果。

公开(公告)号：CN110781766A

公开(公告)日：2020-02-11

申请号：CN201910943071.8

申请日：2019-09-30

Applicant: 广州大学

Inventor： 谭恒良 ,  高鹰 ,  杜娇 ,  杨朔

IPC: G06K9/00 ,  G06K9/62 ,  G06F17/16

Abstract: 本发明公开了基于特征谱正则化的格拉斯曼流形判别分析图像识别方法，包括：将标准正交基集合组成的格拉斯曼流形映射到希尔伯特空间得到向量组；依据图嵌入理论框架建立局部保持矩阵并通过权重框架函数执行正则化操作得到变换矩阵，通过变换矩阵对向量组投影得到新的样本空间；对新的样本空间结合权重邻接矩阵求解方程得到降维投影矩阵，根据变换矩阵与其组合得到的最终矩阵提取训练视频图像集合与待识别视频图像集合的降维特征并进行相似度比较得到识别结果。本发明利用特征谱正则化技术解决了GDA方法在判别分析中因类内散度矩阵奇异而导致求逆不稳定、泛化能力差的问题；且加入图嵌入理论框架使得算法能更好地保持局部信息以获得更好的识别结果。

公开(公告)号：CN106503750A

公开(公告)日：2017-03-15

申请号：CN201610981645.7

申请日：2016-11-02

Applicant: 广州大学

Inventor： 谭恒良 ,  高鹰

IPC: G06K9/62 ,  G06K9/66

CPC classification number: G06K9/6274 ,  G06K9/66

Abstract: 本发明公开了一种融合差分子空间与正交子空间的图像集分类方法。鉴于目前分别基于差分子空间和正交子空间的图像集分类方法均存在着公共子空间的判别信息不能被完全利用的缺点，本发明结合该两种方法各自的优势，对两种方法各自使用的公共子空间技术进行有效融合。提出使用最优融合分割点方法来融合两种方法的差分子空间和正交子空间，从而产生能够利用公共子空间中所有特征空间维度判别信息的满秩投影变换矩阵。利用该投影变换矩阵可以生成判别力更强的线性子空间，并用于图像集分类。本发明的优点在于：充分利用了公共子空间中所有维度的判别信息；采用实验方法确定最优的差分子空间和正交子空间融合分割点，获得最适合对应数据集的融合分割点。