基于改進Gabor濾波器的多模態(tài)特征融合技術.pdf

1、生物特征識別技術一直伴隨著人類社會的發(fā)展，現(xiàn)代社會網(wǎng)絡化和信息化程度的日益提高，對生物特征識別技術也提出了新的要求。Gabor濾波器包含有很強的方向特性和尺度特性，多方向和多尺度的Gabor濾波器特征提取方法被廣泛應用于人臉識別、掌紋識別、指紋識別和虹膜識別等生物特征識別技術。然而傳統(tǒng)的Gabor濾波器不能很好地提取出圖像中局部的彎曲特征，對于諸如人臉面部的鼻子、眼睛等區(qū)域的彎曲處不具有很好的表征能力。本文在傳統(tǒng)Gabor濾波器的基礎上

2、加以改進，并結合特征融合技術和多模態(tài)技術作了以下創(chuàng)新研究工作：
　　首先，本文對傳統(tǒng)的Gabor濾波器加以改進，使改進之后的Gabor濾波器不僅可以提取出圖像中的多方向和多尺度信息，而且對于圖像中彎曲的邊緣處也具有很強的表達能力，因此可以達到更好的分類效果。
　　其次，為了充分利用Gabor濾波器多參數(shù)下的多特征信息，同時為構造多模態(tài)中的每個單獨模態(tài)奠定基礎條件，本文將不同參數(shù)特征下的圖像的不同表現(xiàn)形態(tài)進行特征融合，以獲得原

3、始樣本中信息量豐富、特征維數(shù)不會太高、信息冗余小的單獨模態(tài)。本文提出的多元相關性方法結合Gabor濾波器的多方向特性來進行信息的特征融合，可以有效解決目前特征融合所存在的問題：維數(shù)過大或者適用情形難以推廣。
　　最后，本文引入多模態(tài)學習技術，結合Gabor濾波器的多特征特性，可以達到更好的識別效果。在現(xiàn)實世界中，圖像往往能夠從多個模態(tài)被描述，因而其擁有多種樣本或特征集合的表現(xiàn)形式?，F(xiàn)在，越來越多的應用需要對數(shù)據(jù)進行識別，而這些數(shù)據(jù)

4、通常來自于不同模態(tài)。因此，基于多模態(tài)的識別問題是一個熱門且具有廣泛應用前景的研究課題。傳統(tǒng)的特征提取方法，如線性鑒別分析等，都是從單個模態(tài)出發(fā)解決問題，無法直接應用在多模態(tài)識別問題上。近些年來的多模態(tài)學習方法著重于挖掘多模態(tài)間的鑒別特征而忽視了多模態(tài)內有效的鑒別信息。在本文提出的多模態(tài)鑒別學習框架中，來自不同模態(tài)下的樣本通過投影變化映射到統(tǒng)一的鑒別子空間中，在這個子空間里，來自相同和不同模態(tài)的同類樣本都相互聚集，異類樣本相互分開。