基于核加权类对准则的高光谱影像特征提取

针对高光谱遥感影像中相似光谱的不同地物与野类同时存在时,提取有效的非线性可分性特征的问题,提出一种核加权类对准则。首先,推导出类对形式的核线性判别分析准则,即核类对准则,将核类间和类内散布矩阵均表示为类对形式。然后,提出核加权类对准则,依据核空间中各类对的可分性分别对各类对的核类间和类内散布矩阵进行加权,使得各类对的可分性均衡地保留在特征子空间中。采用K近邻分类器和最小距离分类器评估特征提取的效果。基于两个实测高光谱遥感影像的实验结果均表明:相比原空间法、核线性判别分析方法和kernelweightedpairwiseFisher准则,所提核加权类对准则在降维的同时,通过提高可分性小的类对的识别率来提高整体地物识别率。

一种基于核最大间距准则的(KMMC)人脸识别系统

提出一种核最大间距准则方法(Kernel maximum between-class margin criterion,KMMC)的特征提取方法来避免人脸识别中的小样本问题,采用基于核特征空间的类间散度与类内散度之差的最大化的特征提取方法,获得了一组最佳鉴别矢量做为投影轴进行投影变换,使得核特征空间样本的类间散度最大,类内散度最小,从理论上解决了因类内散布矩阵奇异导致无法求解的问题,并进一步显示了KMMC特征提取的高效性。在ORL人脸库上进行试验验证,结果表明KMMC特征提取方法的有效性。最后,采用Matlab设计并实现了一种基于KMMC的人脸识别系统。