基于非线性回归的自适应特征提取算法.pdf

第21卷第2期 阜阳师范学院学报(自然科学版) Vd．21．№．2 2004 d Sci∞ce) June 2004年6月 JamlalFl肌ngTeache培G0n姆e(NatIl均l 基于非线性回归的自适应特征提取算法 张晓东， 陈 锋 2．中国科学技术大学自动化系，安徽合肥230027) (1．皖西学院物理与电子信息工程系，安徽六安237012； 摘要：分析了针对相似图像的几种特征提取方法的特点及局限性，提出了一种新的基于非线性回归原理的印章自 适应特征提取算法．针对一组相似印章样本。通过相关分析和显著性检验，确定特征的优化选取。并给出了相应的算 法。取得了令人满意的实验结果． 关键词：自适应特征提取；相关分析；显著性检验；非线性回归 912．3 中图分类号：TN 文献标识码：A 文章编号：1004—4329【2004)02—0020—03 0引言 特征及其抽取方法是模式识别的关键技术之一．抽取什么特征，用什么方法抽取，决定了识别的方法，也 决定了系统可能达到的指标．特征要代表对象的结构的本质，反应其方面特点；可分性要强；较强的抗干扰能 力等．当前对图像特征的提取侧重与抽取受光、旋转、形变和尺寸等因素影响小的较稳定的特征。而对要求严 格匹配的图像(如印章、指纹和证件等)特征提取方法也有着重要的现实意义．后者的典型方法有统计结构 法和模板匹配法等【1．2】．上述方法虽然都有一些成功的应用，但是存在着许多问题和不足，如需要进行大量 的人工统计分析；存在着较高的冗余性和不准确性，而且一些对象难以确定特征选取等． 神经网络由于其固有的并行运算机制和对目标的分布式全局存储、联想记忆和优化功能等特点，因此较 为成功的应用于模式识别．但是由于其自身存在的缺陷，对处理对象的要求较高，如Hopfield网络对相关性 较强的样本一收敛至局部极小，故要求特征向量正交化以确保全局收敛[3]．导致对图像特征的分析和提取非 常困难． 针对相近似的图像样本，结合上述分析，本文提出了一种基于非线性回归思想的特征提取方法．以前向 两层神经网络原理为基础，针对一组需区分的样本，通过相关分析和显著性检验。确定特征的自适应和优化 选取，并描述了特征选取的相应算法． 1 面向对象的特征提取方法的基本原理 1．1前向二层神经网络 前向二层神经网络由于可以无误地完成对任何可分凸集合 进行分类的能力，在模式识别领域得到了广泛的使用．其模型如 图1所示． 各层的作用分别为：第一层为输入层，第二层为线性划分作 用，第三层为与组合[6】．在本文中各神经元的功能函数采用既具 M 有完成分类所需的非线性特性又具有实现L s算法所需的可 微性的S函数． 为区分一组静态样本图像p(p=1，2，…，竹)，首先进行滤 图1 前向二层神经网络模型 波转换、消除噪声、平移旋转和二值化等预处理。并仅保留各图 珥+l J=l 收稿日期：2004—03—27 作者简介：张晓东(1962一)，男。副教授．现从事信号处理的教学与科研工作； 陈锋。(1964一)，男，中国科技大学自动化系教授。博士，硕士生导师，现从事信号处理的研究工作 万方数据万方数据 第2期 张晓东等：基于非线性回归的自适应特征提取算法 21 输出