1
特征提取
特征提取
/
/
选择及其应用
选择及其应用
主讲:金连文
eelwjin@scut.edu.cn
第 5 讲
数字信号处理
Digital Signal Processing
2
本讲主要内容
特征提取简介
Gabor 特征简介
¾ 正交变换及小波变换
¾ Gabor 变换
¾ 2D Gabor滤波器
特征选择/变换(PCA & LDA)
2D Gabor滤波器的应用
¾ 人脸识别
¾ 人脸表情识别
¾ 汉字识别
3
一、特征提取简介
4
特征提取简介
特征
¾ 任一客体都具有众多特性,人们根据一群客体所共有的特
性形成某一概念。这些共同特性在心理上的反映,称为该
概念的特征。 ——百度百科
¾
某事物所特有的性质;特殊的品性、品质
共同性(同类),区分性(不同类)
?四只脚,有靠
背,有椅面,四只
脚支撑椅面,……
5
特征提取简介
在分类问题中:
¾ 一个“理想的”特征就是一种表达,这种表达要尽
可能的使后继的分类器工作变得稀松平常
——
模式分类
与分类问题相关
研究对象的属性的子集,是分类问题的决定性因素
降维:全部属性Æ与分类问题相关的属性(全部属性的
一个子集)
好的特征尽可能使后续的分类器的工作变得非常容易
¾ 同类间的特征值非常相近,不同类的差异很大
6
特征提取简介
Why?
¾ 对样本用数值及计算机语言进行描述(共同性 区分性)
整个模式分类中的最基本也是最重要的部分
良好的特征对于整个模式分类系统至关重要
例子:寻找上页图中的椅子的特征:
¾ (1) 四只脚:(猪,牛,羊,……)。——无区分性
¾ (2) 有扶手:——无共同性,有些椅子不具备这个性质
¾ 将高维数据Æ低维数据
例子:见左边的图像,最直接的特征:每个像素点的位置和颜色
值作为该样本的特征,320*240的彩色图像的维数为:
320*240*3=230400维,——计算量巨大,维灾难。如用后面提到
的Gabor特征可以仅提取512维,并且性能更好。
- 1
- 2
- 3
- 4
- 5
- 6
前往页