結(jié)合眼動(dòng)數(shù)據(jù)的圖像特征選擇算法研究.pdf

1、隨著Intern技術(shù)的高速發(fā)展，許多行業(yè)和領(lǐng)域需要處理的高維數(shù)據(jù)越來越多，特別是圖像數(shù)據(jù)。特征選擇是高維數(shù)據(jù)處理過程中的重要步驟，它從原始特征集中選出最優(yōu)子集，已成為模式識(shí)別領(lǐng)域重要的課題。有效的特征選擇通過消除冗余和不相關(guān)特征減少特征維數(shù)，加快運(yùn)算速度，提高分類效率。盡管借助于完善的數(shù)學(xué)算法，大部分現(xiàn)有的特征選擇算法已取得了較好的性能，但是，人類本身卻很少參與到特征選擇中，對(duì)丁圖像識(shí)別來說這點(diǎn)往往又顯得特別重要。本文一方面引入了視線追

2、蹤技術(shù)，用于輔助選取感興趣區(qū)域，另一方面，提出結(jié)合Filter和Wrapper方法的思想，用于圖像特征選擇，平衡算法的效率和分類性能。本文工作主要體現(xiàn)在以下幾個(gè)方面：
　　 首先，提出結(jié)合眼動(dòng)數(shù)據(jù)的圖像特征粗選RS-E算法。傳統(tǒng)的圖像分類基于圖像顏色、紋理和形狀等底層特征，存在“語(yǔ)義鴻溝”的問題。為此，本文利用眼動(dòng)數(shù)據(jù)選取出觀察者對(duì)圖像的感興趣區(qū)域，從最具區(qū)分性的區(qū)域中選出有效特征，從而更好地模擬人類識(shí)別物體的過程。實(shí)驗(yàn)證明，眼

3、動(dòng)數(shù)據(jù)的引入對(duì)特征選擇算法的性能有較大的改善作用，且效率也有所提高。
　　 其次，利用Filter和Wrapper方法的互補(bǔ)性，平衡了特征選擇的效率和分類效果，提出了mRMR-SVM-RFE精選算法。該算法是Filter和Wrapper方法的合成體，它與RS-E算法結(jié)合起來用于圖像特征選擇。實(shí)驗(yàn)證明該算法選出的特征子集用于圖像分類時(shí)，準(zhǔn)確率很高，優(yōu)于傳統(tǒng)的幾種方法。在此基礎(chǔ)上，又提出了改進(jìn)的mRMR-SVM-RFE算法。改進(jìn)后的