一种基于局部判别正切空间排列的高光谱遥感影像降维方法

提出一种基于局部判别正切空间排列(local discriminative tangent space alignment,LDTSA)的高光谱影像降维方法。LDTSA源于局部正切空间排列(LTSA)中的排列机制,在一个局域块内利用线性局部正切平面对类内样本的流形结构建模,同时还考虑到类间判别信息以最大化判别边界。利用多幅高光谱数据进行降维和分类试验。结果表明,LDTSA主要有三个优点:①在小样本问题上性能稳定;②在降维过程中保持类别间的判别信息;③有效挖掘数据集的几何流形结构。

基于正切空间的多尺度面实体形状匹配

针对多尺度面状要素的一对多匹配问题,提出基于正切空间的多尺度面实体形状相似性匹配方法。通过源多边形外扩缓冲区搜索候选匹配集,对候选匹配集中的面要素进行组合,组合生成的多边形与源多边形进行形状匹配,从而获得最佳匹配集。实验结果表明,该方法计算过程简单,容易实现且匹配效率较高。

基于简化多边形类正切空间表示的图形渐变算法

采用多边形简化的方法提取出包含源图形主要特征点的多边形.在简化多边形的类正切空间表示下,利用图形对应边在渐变过程中所掠过面积总和最小这一特征构造相似度量函数,由动态规划算法求解实现初始和目标简化多边形之间的顶点对应,再进一步建立源图形顶点之间的整体对应,最后通过插值边和角的方法实现图形渐变.实验结果表明:该算法简单有效,对应效果自然、合理.

核正交判别局部正切空间对齐算法

针对现有的局部正切空间算法中存在的问题,文中提出一种基于核变换的特征提取方法——核正交判别局部正切空间对齐算法(KOTSDA).该算法首先利用核方法将人脸图像投影到一个高维非线性空间,提取其非线性信息;然后在目标函数中利用正切空间判别分析算法在保持样本的类内局部几何结构的同时最大化类间差异;最后添加正交约束,得到核正交判别局部正切空间对齐算法.该算法不需要经过PCA降维,有效避免判别信息的丢失,在ORL和Yale人脸库上的实验验证算法有效性.

复杂面状矢量要素快速形状匹配方法

矢量要素匹配是数据库合并和数据更新的核心问题。在分析现有匹配方法不足的基础上,针对复杂面状要素匹配问题,提出先对复杂面要素进行基于Douglas-Peucker方法的形状简化,然后对简化后的形状再进行形状匹配。其中,形状匹配通过正切空间的方法对要素进行描述,然后利用形状匹配距离计算出形状差异。通过试验表明该方法能够有效提高矢量形状匹配的速度以及正确率,较好地解决复杂情况面要素匹配的问题。