基于KSVD和PCA的SAR图像目标特征提取

提出一种基于核的奇异值分解(KSVD)与主成分分析(PCA)相结合的SAR图像目标的组合特征提取方法。该方法首先利用核的奇异值分解得到图像非线性的代数特征,然后进一步经过PCA变换得到图像的最终分类特征。实验中,将本文提出的KSVD+PCA两步特征提取方法与PCA、SVD、KPCA、KSVD方法分别结合简单、快速的最近邻分类器在MSTAR坦克数据上进行了比较,实验结果表明,KSVD+PCA方法不仅有效地提高了目标的正确识别率,而且大大降低了对目标方位的敏感度,在目标方位信息未知的情况下,识别率可达到95.75%,是一种有效的SAR图像目标特征提取方法。

一种改进的远距离视频图像性别辨识方法

针对远距离视频图像性别辨识的不准确性,提出一种基于核的奇异值分解(Kernel SingularValue Decomposition,KSVD)和线性判别分析(Linear Discriminant Analysis,LDA)相结合(KSVD+LDA)的性别识别方法。首先,利用核的奇异值分解方法得到图像的有效代数特征;其次,进一步经过线性判别分析得到图像的最佳分类特征;最后,结合简单、快速的最近邻分类器(Nearest Neighbor Classification,NNC)完成对性别的识别。在ORL(Olivetti Research Laboratory)人脸库上的实验结果表明,本文提出的KSVD+LDA方法与奇异值分解(Singular Value Decomposition,SVD),和KSVD方法相比,能获得较高的正确识别率。