1 青岛科技大学信息科学技术学院, 山东 青岛 266061
2 青岛蓝智现代服务业数字工程技术研究中心, 山东 青岛 266071
3 云南中烟工业有限责任公司技术中心, 云南 昆明 650024
针对近红外光谱高维、 高冗余、 非线性和小样本等特点导致光谱相似性度量时出现的“维度灾难”, 提出一种基于核映射和rank-order距离的局部保持投影(KRLPP)算法。 首先将光谱数据经过核变换映射到更高维空间, 有效保证了流形结构的非线性特征。 然后改进局部保持投影(LPP)算法对数据进行降维操作, 将rank-order距离替代传统的欧氏距离或测地线距离, 通过共享邻近点的信息, 得到更加准确的局部邻域关系。 最后在低维空间通过距离的计算实现光谱的度量。 该方法不仅有效解决了高维空间存在的“距离失效”问题, 同时还提高了相似性度量结果的精度。 为了验证KRLPP算法的有效性, 首先根据降维前后数据集信息残差的变化确定了最佳参数近邻点的个数k和降维后的维数d。 其次, 从光谱降维投影效果和模型分类效果两个角度与PCA, LPP和INLPP算法进行了对比, 结果表明KRLPP算法对于烟叶的部位有较好的区分能力, 降维效果以及对于不同部位的正确识别率明显优于PCA, LPP和INLPP。 最后, 从某品牌卷烟叶组配方中选取了5个代表性烟叶作为目标烟叶, 分别采用PCA, LPP和KRLPP方法从300个用于配方维护的烟叶样品中为每个目标烟叶寻找相似烟叶, 并从化学成分和感官评价两方面对替换前后的烟叶及叶组配方进行了评价分析。 其中LPP和KRLPP用于降维的参数选择保持一致, PCA选择前6个主成分。 结果表明, 由KRLPP选出的替换烟叶与替换配方在总糖、 还原糖、 总烟碱、 总氮等化学成分以及香气、 烟气、 口感等感官指标上较PCA、 LPP方法差异最小, 相似性度量准确度最高。 该方法可应用于配方产品替换原料的查找, 辅助企业实现产品质量的维护。
近红外光谱 局部保持投影算法 核映射 rank-order距离 相似性度量 Near infrared spectroscopy Local preservation projection algorithm Kernel mapping Rank-order distance Similarity measure 光谱学与光谱分析
2021, 41(10): 3117
青岛科技大学信息科学技术学院, 山东 青岛 266061
近红外光谱存在高维、 噪声大、 重叠和非线性等特性, 严重影响建模准确, 因此提出了一种基于联合矩阵局部保持投影(JMLPP )的特征提取方法。 首先, 利用基于聚类的光谱特征选择方法对原始近红外光谱数据进行有效特征提取, 按种与分类相关性强的指标将样本分为种不同的聚类方式, 依据类内关联性强, 类间差异性大的聚类思想, 通过调节类内参数、 类间参数确定类内阈值与类间阈值, 分别对种不同聚类方式筛选光谱特征区间, 得到指标特征矩阵, 并集操作生成联合矩阵。 其次, 从两个方面对局部保持投影算法(LPP)进行了改进: 引入测地距离构造邻域距离矩阵, 较欧式距离更好的表达了高维数据样本点间的拓扑结构; 改进了边权矩阵, 解决了样本稀疏导致的不确定性, 避免了有效信息的丢失。 最后, 采用改进的LPP算法对联合矩阵进行降维操作, 从而得到最优光谱特征子集。 为验证JMLPP算法有效性, 首先从光谱投影方面将该算法与PCA、 LPP算法进行了对比, 结果表明JMLPP算法有较好的等级区分能力, 投影空间中的烟叶样品分类清晰, 明显优于PCA与LPP算法。 其次从模型分类准确性方面进行了对比, 分别采用全谱段与PCA, LPP和JMLPP降维后的特征建立烟叶等级分类模型, 实验结果表明, JMLPP算法建立的分类模型准确率为93.8%, 对5种烟叶分级的敏感度分别为95.2%, 93.1%, 94.2%, 92.1%和92.5%, 特异度分别为99.3%, 98.4%, 98.6%, 97.5%和97%, 模型准确率、 敏感度与特异度均明显优于其他3种方法。 该算法通过基于聚类的特征提取和改进的局部保持投影算法实现了烟叶分级特征的有效提取, 并保留原始数据的局部线性关系, 使最终建立的模型具有良好的稳定性和较高的准确性。
特征提取 联合矩阵 测地线距离 局部保持投影算法 近红外光谱 Feature extraction Joint matrix Geodesic distance Local preservation projection algorithm Near-infrared spectroscopy 光谱学与光谱分析
2020, 40(12): 3772
1 中国科学院半导体研究所, 高速电路与神经网络实验室, 北京 100083
2 中国科学院大学微电子学院, 北京 100049
实现快速、 精确地鉴别玉米单倍体籽粒对玉米单倍体育种技术十分重要。 近红外光谱分析技术可在线分析、 监测, 且无损、 分析速度快、 操作简便、 测试成本低, 对实现自动化的大规模鉴定并分拣玉米单倍体非常有帮助。 通过美国JDSU的近红外光谱仪进行玉米近红外光谱的数据采集, 交叉采集玉米单倍体、 多倍体数据。 数据处理时, 将数据分为训练集和测试集两部分。 依次对数据做预处理以消除噪声影响, 做核变换将其投射到更高维度空间中增强可分性并进行特征提取, 最后建立分类模型鉴别分析。 分别统计采用不同的特征提取算法并建立模型鉴别测试的正确识别率。 实验结果表明, 采用核局部保持投影(KLPP)的特征提取算法的正确识别率更高、 稳定性更好, 在两组测试集上的正确识别率的均值分别达到95.71%和96.43%。 通过分析可以得出, 玉米种子的近红外光谱数据经过非线性变换(为高斯核变换)投影到更高维度的空间后, 表现出更易于分类的分布特点, 保持数据的局部特性也更利于后续的分类。 这为玉米单倍体鉴定进一步研究提供了新的方向。
近红外光谱 特征提取 核局部保持投影(KLPP) 玉米单倍体 Near infrared spectroscopy Feature extraction Kernel locality preserving projection (KLPP) Maize haploid 光谱学与光谱分析
2019, 39(8): 2574
1 上海海洋大学信息学院, 上海 201306
2 上海电力大学, 上海 200090
由于高光谱图像具有波段多、波段间信息冗余、空间信息相关等特点,提出一种考虑空间相关性的半监督局部保持投影(LPP)的高光谱图像特征提取算法(LPP-SCSSFE)。该算法利用保存高光谱图像空间近邻结构的空间距离,及保持图像光谱相似性的类内判别权值和类间判别权值,定义新的同物异谱、同谱异物像元权值计算函数,结合LPP提取高光谱图像特征,从而最大化同类地物间的相似性和异类地物间的差异性。在Indian Pines和Pavia University两个数据集上,通过高光谱图像分类实验对本文提出的LPP-SCSSFE算法进行验证,算法最高总体分类精度分别达到87.50%和91.29%,优于现有的特征提取算法。结果表明,本文算法充分考虑高光谱图像的空间相关性和光谱相似性,能够有效提取出有代表性的特征,提高分类精度。
图像处理 特征提取 局部保持投影 高光谱图像 半监督 空间相关性 激光与光电子学进展
2019, 56(2): 021003
天津大学电气自动化与信息工程学院, 天津 300072
针对传统的局部保持投影算法(LPP)直接使用数据的原始空间信息导致选取近邻不准确,以及LPP算法投影时忽略数据类别信息的问题,提出一种基于自适应近邻局部保持投影的人脸识别方法。该方法在特征提取时利用可变的相似度、近邻信息以及数据类别信息构建目标函数,使得在投影子空间中同类样本尽量紧凑,异类样本尽量远离。通过最小化目标函数自适应优化邻接矩阵与投影矩阵,用优化后的投影矩阵对高维数据进行降维,采用降维后的数据进行人脸分类识别。将该方法应用于扩展Yale人脸数据库、CMU-PIE人脸数据库、MSRA人脸数据库和CAS-PEAL人脸数据库中进行人脸识别,实验结果验证了其有效性。
图像处理 人脸识别 局部保持投影 自适应近邻 子空间学习 激光与光电子学进展
2018, 55(3): 031010
空军航空大学 航空航天情报系, 长春 130000
为了挖掘高光谱数据的光谱局部特征, 从高光谱遥感数据内在的非线性结构出发, 提出了一种基于光谱梯度角的高光谱影像流形学习降维方法。采用局部化流形学习算法局部保持投影(LPP)对高光谱遥感数据进行非线性降维, 对距离度量进行改进, 将能够更好刻画高光谱影像光谱局部特征的光谱梯度角相似性度量应用于LPP方法, 并用真实高光谱图像进行降维实验, 取得了优于LPP方法和采用光谱角的LPP方法的结果。结果表明, 在光谱规范化特征值方面, 所提方法优于LPP方法和采用光谱角的LPP方法; 在信息量的保持方面, 具有更好的局部细节信息保持量。采用光谱梯度角的流形学习方法用于高光谱影像降维能取得较好的降维效果。
光谱学 流形学习 降维 局部保持投影算法 光谱梯度角 spectroscopy manifold learning dimensionality reduction locality preserving projection algorithm spectral gradient angle
火箭军工程大学 信息与通信工程系, 陕西 西安 710025
为了提高高光谱图像的分类精度, 有效利用高光谱图像的空间信息和光谱信息对高光谱图像进行预处理, 本文提出了一种新的空谱联合特征提取方法, 加权空-谱局部保持投影算法(WSSLPP)。该算法结合高光谱图像的物理特性对高光谱图像进行重构, 降低了图像中奇异点的干扰; 然后对局部像素近邻保持嵌入(LPNPE)和局部保持投影(LPP)的目标函数进行加权求和, 有效融合高光谱图像空间维和光谱维的信息来构建投影矩阵。WSSLPP不仅保留了高光谱图像在空间维上像素间的近邻关系, 而且保持了在光谱维上样本的固有结构, 有利于高光谱图像的分类。在Indian Pines和PaviU数据库上对该算法进行验证分析, 结果表明: 基于WSSLPP算法得到的分类精度明显高于其他算法, 总体分类精度的最大值分别为99.00%, 99.50%, 有效提高了高光谱图像的分类精度。
空间信息 光谱信息 加权空-谱局部保持投影 高光谱图像 特征提取 spatial information spectral information Weighted Spatial and Spectral Locality Preserving Hyperspectral images (HSI) feature extraction
重庆大学光电技术及系统教育部重点实验室，重庆 400044
鉴于人为选取近邻大小和权重矩阵对局部保持投影 (LPP)算法的高维人脸图像特征提取有较大影响，结合稀疏表示原理提出了一种稀疏相似保持 (SSP)算法。 SSP算法利用稀疏表示，在全局结构中自适应地选取数据间的相似关系，构建非负稀疏关系图，在低维空间中保持高维原始数据的内在稀疏特性不变，能有效地提取出低维鉴别特征。在 Extend Yale B、CMU PIE人脸数据库上进行实验，其识别率分别达到了 87.35%、90.09%，验证了算法的有效性。
人脸识别 局部保持投影 稀疏图 稀疏相似保持 face recognition locality preserving projection sparse graph sparse similarity preserving
1 中山大学数学与计算科学学院, 广东 广州 510275
2 广东省计算科学重点实验室, 广东 广州 510275
3 中山大学信息科学与技术学院, 广东 广州 510275
提出一种基于人体轮廓表达的姿势学习框架来进行人体行为识别。通过一种基于Procrustes形状分析和局部保持投影的姿势特征表示方法，从人体运动视频中提取具有平移、旋转和放缩不变性的姿势特征，在保留人体姿势的局部流形结构的同时尽量提取子空间上的判别信息。针对该特征还提出了一种基于姿势字典学习的人体行为识别框架，对每类行为分别学习一个对应于该类的字典，通过串联所有类的字典来得到整个姿势字典；并通过最小重构误差准则来分类测试视频。在Weizmann和MuHAVi-MAS14数据集上的实验结果证实了该方法的识别率高于大部分经典方法。特别是在MuHAVi-MAS14数据集上的识别率对比已有的结果上有巨大的提升。
图像处理 行为识别 Procrustes形状分析 局部保持投影 稀疏表示 字典学习 光学学报
2014, 34(12): 1215002
1 五邑大学信息工程学院，广东江门 529020
2 广东工业大学自动化学院，广州 510006
针对毛杆折痕难以检测问题，将非线性流形的思想引入到折痕识别领域。提出运用流形核函数与局部保持投影相结合的方法进行毛杆特征提取。首先基于区域图像构造协方差矩阵作为图像特征，利用仿射不变度量作为样本点的距离测度。然后通过定义的黎曼核函数选择流形上的近邻点，使得近邻点的选择符合数据呈非线性流形的假设，并结合数据类别信息构造相应的核矩阵。最后利用局部保持投影算法对毛杆图像进行降维。实验结果表明，本文算法能够有效克服光照不均和残余绒毛等外部因素影响，具有较好的稳健性和较高的识别率。
羽毛杆折痕 黎曼流形 流形核 局部保持投影 feather quill crease Riemannian manifold manifold kernel locality preserving projections
