多视图特征融合方法研究
随着互联网技术及应用在日常生活中的广泛渗透和深入,大量的数据不断涌现,为此人们对各种媒体的呈现方式和使用便利性提出了更高要求。在大数据背景下,多模态或多视图数据从多个数据源或者不同的视角表现物体不同的特征,受到人们越来越多的关注。
对于这种类型的数据,如果能找到恰当的特征融合方法,将在很大程度上提升相关任务的处理效率和效果。事实上,多视图特征融合还为小样本问题的处理带来新的思路。
比如,从少量样本中抽取出不同类型的特征,从多视图的角度对其进行处理。从本质上来说,这种思路相当于扩充了样本。
本文围绕多视图特征融合方法展开研究,具体工作包括:(1)提出基于支持值变换(SVT:Support Value Transform)的多视图特征反向融合方法,该方法利用SVT,提取人脸图像的多视图特征进行反向融合得到人脸图像的低频表示(LFR:Low-Frequency Representation)。所提方法直接作用于二维图像矩阵,从而避免了特征提取之前图像矩阵转换为一维向量时的信息损失。
在两个公开的人脸数据库ORL和UMIST上的实验结果表明了所提方法对于不同光照条件下的 ...