双灵活度量自适应加权2DPCA在水下光学图像识别中的应用

受观测条件和采集场景等因素影响,水下光学图像通常呈现出高维小样本特性且易伴随着噪声信息干扰,导致许多降维方法对其识别过程中的鲁棒表现力不足。为解决上述问题,该文提出一种新颖的双灵活度量自适应加权2维主成分分析方法(DFMAW-2DPCA)应用于水下图像识别。该方法不仅在建立重构误差和方差之间双层关系中同时使用了灵活的鲁棒距离度量机制,而且能够根据每个样本实际状态自适应学习到与之相匹配的权重,有效增强了模型在水下噪声干扰环境下的鲁棒性并实现识别精度的提升。与此同时,该文设计了一个快速非贪婪算法用于最优解的获取,其具有良好的收敛性。通过3个水下图像数据库中进行大量实验的结果表明,DFMAW-2DPCA在同类方法中具有更为杰出的整体性能。