融合Gabor特征的基于随机点积图的人脸识别算法

为了提高人脸识别的精度,将随机图理论应用到人脸识别中,提出一种融合Gabor特征的基于随机点积图的算法.首先用Gabor滤波算子提取训练集图像的特征数据并进行预处理,减少特征数据内的冗余性.随机图对人脸训练集图像进行重构,获得节点赋值.之后根据赋值向量夹角余弦值以及节点的类别信息,计算每个节点的惩罚权值.将待识别图像投影到训练集图像随机点积重构得到的子空间中,依据最近邻节点惩罚值进行识别,判断图像所属类别.在ORL人脸库上的实验结果表明,算法在对归一化人脸图像特征数据降维上要优于PCA方法.

基于随机点积图的图像标注改善算法

针对自动图像标注中底层特征和高层语义之间的鸿沟问题,提出一种基于随机点积图的图像标注改善算法。该算法首先采用图像底层特征对图像候选标注词建立语义关系图,然后利用随机点积图对其进行随机重构,从而挖掘出训练图像集中丢失的语义关系,最后采用重启式随机游走算法,实现图像标注改善。该算法结合了图像的底层特征与高层语义,有效降低了图像集规模变小对标注的影响。在3种通用图像库上的实验证明了该算法能够有效改善图像标注,宏F值与微平均F值最高分别达到0.784与0.743。