Методы двумерной проекции цифровых изображений в собственные подпространства: особенности реализации и применение

Методы двумерной проекции цифровых изображений в собственные подпространства: особенности реализации и применение

Автор: Кухарев Георгий Александрович, Щеголева Надежда Львовна

Журнал: Компьютерная оптика @computer-optics

Рубрика: Обработка изображений, распознавание образов

Статья в выпуске: 4 т.42, 2018 года.

Бесплатный доступ

Рассматриваются алгоритмы проекции цифровых изображений в собственные подпространства в рамках линейных методов PCA, LDA, PLS и CCА. Приводится история развития этих методов за последние 100 лет на фоне появления новых областей их применения и меняющихся в связи с этим требований к ним. Показано, что развитие было инициировано четырьмя основными требованиями, вытекающими из современных задач и практики цифровой обработки изображений и, в первую очередь, изображений лиц. Первым является требование использования методов PCA, LDA, PLS и CCА в условиях как малой, так и чрезвычайно большой выборки изображений лиц в исходных наборах. Второе требование связано с критерием, определяющим собственный базис, который должен обеспечить, например, минимум ошибки аппроксимации изображений лиц, улучшение кластеризации в собственном подпространстве или максимум корреляции (ковариации) между наборами данных в подпространстве. Третье - связано с возможностью приложения рассматриваемых методов к задачам обработки двух и более наборов изображений с различных сенсорных источников или нескольких наборов любых числовых матриц...

Еще

Наборы изображений лиц и числовых матриц, собственный базис и собственные подпространства, анализ главных компонент (pca), линейный дискриминантный анализ (lda), частичный метод наименьших квадратов (pls), канонический корреляционный анализ (cca), преобразование карунена-лоэва (klt)

Еще

Короткий адрес: https://sciup.org/140238474

IDR: 140238474   |   DOI: 10.18287/2412-6159-2018-42-4-637-656

Список литературы Методы двумерной проекции цифровых изображений в собственные подпространства: особенности реализации и применение

  • Pearson, K. On lines and planes of closest fit to systems of points in space/K. Pearson//The London, Edinburgh and Dublin Philosophical Magazine and Journal of Sciences. -1901. -Vol. 6, Issue 2. -P. 559-572. - DOI: 10.1080/14786440109462720
  • Hoteling, H. Analysis of complex variables into principal components/H. Hoteling//Journal of Educational Psychology. -1933. -Vol. 24, Issue 6. -P. 417-441. - DOI: 10.1037/h0071325
  • Fisher, R.A. The use of multiple measurements in taxonomic problems/R.A. Fisher//Annals of Eugenics. -1936. -Vol. 7, Issue 2. -P. 179-188. - DOI: 10.1111/j.1469-1809.1936.tb02137.x
  • Hoteling, H. Relations between two sets of variates/H. Hoteling//Biometryka. -1936. -Vol. 28, No. 3/4. -P. 321-377. - DOI: 10.2307/2333955
  • Sirovich, L. Low-dimensional procedure for the characterization of human faces/L. Sirovich, M. Kirby//Journal of the Optical Society of America A: Optics, Image Science and Vision. -1987. -Vol. 4, Issue 3. -P. 519-524. - DOI: 10.1364/JOSAA.4.000519
  • Turk, М. Eigenfaces for recognition/М. Turk, A. Pentland//Journal of Cognitive Neuroscience. -1991. -Vol. 3, Issue 1. -P. 71-86. - DOI: 10.1162/jocn.1991.3.1.71
  • Belhumeur, P.N. Eigenfaces vs. fisherfaces: Recognition using class specific linear projection/P.N. Belhumeur, J.P. Hespanha, D.J. Kriegman//IEEE Transactions on Pattern Analysis and Machine Intelligence. -1997. -Vol. 19, Issue 7. -P. 711-720. - DOI: 10.1109/34.598228
  • Tsapatsoulis, N. A vector based approximation of KLT and its application to face recognition/N. Tsapatsoulis, V. Alexopoulos, S. Kollias//Proceedings of the IX European Signal Processing Conference (EUSIPCO-98). -1998. -Vol. III. -P. 1581-1584. - DOI: 10.5281/zenodo.36612
  • Кухарев, Г.А. Биометрические системы: Методы и средства идентификации личности человека/Г.А. Кухарев. -СПб:. Политехника, 2001. -240 с. -ISBN: 5-7325-0623-3.
  • Kukharev, A. Techniki Biometryczne: Część 1. Metody Rozpoznawania Twarzy/G. Kukharev, A. Kuźmiński. -Szczecin: Pracownia Poligraficzna WI PS, 2003. -310 p.
  • Kukharev, G. Data dimensionality reduction for face recognition/G. Kukharev, P. Forczmański//Machine GRAPHICS & VISION. -2004. -Vol. 13, No. 1/2. -P. 99-121.
  • Kukharev, G. Face recognition by means of two-dimensional direct linear discriminant analysis/G. Kukharev, P. Forczmański//Proceedings of the 8th International Conference Pattern Recognition and Information Processing (PRIP’2005). -P. 280-283.
  • Кухарев, Г.А. Системы распознавания человека по изображению лица/Г.А. Кухарев, Н.Л. Щеголева. -СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2006. -156 с. -ISBN: 5-7629-0665-5.
  • Kukharev, G. System of face recognition using LDA with one training image per person/G. Kukharev, A. Tujaka, N. Binh//Metody Informatyki Stosowanej. -2008. -No. 3(16). -P. 167-185.
  • Yang, J. Two-dimensional PCA: A new approach to appearance-based face representation and recognition/J. Yang, D. Zhang, A.F. Frangi, J.-Y. Yang//IEEE Transactions on Pattern Analysis and Machine Intelligence. -2004. -Vol. 26, Issue 1. -P. 131-137. - DOI: 10.1109/TPAMI.2004.1261097
  • Zhang, D. (2D)2PCA: Two-directional two-dimensional PCA for efficient face representation and recognition/D. Zhang, Z.H. Zhou//Neurocomputing. -2005. -Vol. 69, Issues 1-3. -P. 224-231. - DOI: 10.1016/j.neucom.2005.06.004
  • Ye, J. Generalized low rank approximations of matrices/J. Ye//Machine Learning. -2005. -Vol. 61, Issues 1-3. -P. 167-191. - DOI: 10.1007/s10994-005-3561-6
  • Kong, H. Generalized 2D principal component analysis for face image representation and recognition/H. Kong, L. Wang, E.K. Teoh, X. Li, J.-G. Wang, R. Venkateswarlu//Neural Networks. -2005. -Vol. 18, Issues 5-6. -P. 585-594. - DOI: 10.1016/j.neunet.2005.06.041
  • Ding, Ch. Two-dimensional singular value decomposition (2DSVD) for 2D maps and images/Ch.H.Q. Ding, J. Ye//Proceedings of the 2005 SIAM International Conference on Data Mining. -2005. - DOI: 10.1137/1.9781611972757.4
  • Gu, Zh. Two-dimensional singular value decomposition (2D-SVD) based video coding/Zh. Gu, W. Lin, B.-S. Lee, Ch.T. Lau, M. Paul//2010 IEEE International Conference on Image Processing. -2010. -P. 181-184. - DOI: 10.1109/ICIP.2010.5650998
  • Gurumoorthy, K.S. A method for compact image representation using sparse matrix and tensor projections onto exemplar orthonormal bases/K.S. Gurumoorthy, A. Rajwade, A. Banerjee, A. Rangarajan//IEEE Transactions on Image Processing. -2010. -Vol. 19, Issue 2. -P. 322-334. - DOI: 10.1109/TIP.2009.2034991
  • Inoue, K. Equivalence of non-iterative algorithms for simultaneous low rank approximations of matrices/K. Inoue, K. Urahama//2006 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'06). -2006. - DOI: 10.1109/CVPR.2006.112
  • Tang, X. Face sketch recognition/X. Tang, X. Wang//IEEE Transactions on Circuits and Systems for Video Technology. -2004. -Vol. 14, Issue 1. -P. 50-57. - DOI: 10.1109/TCSVT.2003.818353
  • CUHK Face Sketch Database (CUFS) . -URL: http://mmlab.ie.cuhk.edu.hk/archive/facesketch.html (access date: 02.07.2018).
  • Kukharev, G. Face photo-sketch transformation and population generation/G. Kukharev, A. Oleinik. -In: International conference on computer vision and graphics. ICCVG 2016: Computer vision and graphics//ed. by L. Chmielewski, A. Datta, R. Kozera, K. Wojciechowski. -2016. -P. 329-340. - DOI: 10.1007/978-3-319-46418-3_29
  • Borga, M. Learning multidimensional signal processing. -Linköping, Sweden: Linköpings Universitet, 1998. -193 p. -ISBN: 91-7219-202-X.
  • Reiter, M. 3D and infrared face reconstruction from rgb data using canonical correlation analysis/M. Reiter, R. Donner, G. Langs, H. Bischof//Proceedings of the 18th International Conference on Pattern Recognition (ICPR 2006). -2006. -Vol. 1. -P. 425-428. - DOI: 10.1109/ICPR.2006.24
  • Reiter, M. Estimation of face depth maps from color textures using canonical correlation analysis/M. Reiter, R. Donner. -In: Proceedings of the Computer Vision Winter Workshop 2006 (CWW' 06)/ed. by O. Chum, V. Franc. -Telč: Czech Society for Cybernetics and Informatics, 2006. -ISBN: 80-239-6530-1.
  • Donner, R. Fast active appearance model search using canonical correlation analysis/R. Donner, M. Reiter, G. Langs, P. Peloschek, H. Bischof//IEEE Transactions on Pattern Analysis and Machine Intelligence. -2006. -Vol. 28, Issue 10. -P. 1960-1964. - DOI: 10.1109/TPAMI.2006.206
  • Alonso, J. Face tracking using canonical correlation analysis/J. Alonso Y. Zepeda, F. Davoine, M. Charbit//Proceedings of the 2nd International Conference on Computer Vision Theory and Applications (VISAPP 2007). -2007. -Vol. 2. -P. 396-402.
  • Sharma, A. Bypassing synthesis: PLS for face recognition with pose, low-resolution and sketch/A. Sharma, D.W. Jacobs//IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR). -2011. -P. 593-600. - DOI: 10.1109/CVPR.2011.5995350
  • Lee, S.H. Two-dimensional canonical correlation analysis/S.H. Lee, S. Choi//IEEE Signal Processing Letters. -2007. -Vol. 14, Issue 10. -P. 735-738. - DOI: 10.1109/LSP.2007.896438
  • Zou, C.-R. 2DCCA: A novel method for small sample size face recognition/C.-R. Zou, N. Sun, Zh.-H. Ji, Zh. Li//IEEE Workshop on Application of Computer Vision (WACV’07). -2007. - DOI: 10.1109/WACV.2007.1
  • Shao, M. Joint features for face recognition under variable illuminations/M. Shao, Y. Wang//Fifth International Conference on Image and Graphics. -2009. -P. 922-927. - DOI: 10.1109/ICIG.2009.128
  • Gong, X. Application to three-dimensional canonical correlation analysis for feature fusion in image recognition/X. Gong//Journal of Computers. -2011. -Vol. 6, Issue 11. -P. 2427-2433.
  • Kamencay, P. 2D-3D face recognition method based on a modified CCA-PCA algorithm/P. Kamencay, R. Hudec, M. Benco, M. Zachariasova//International Journal of Advanced Robotic Systems. -2014. -Vol. 11, Issue 3. -9 p. - DOI: 10.5772/58251
  • Kukharev, G. Two-dimensional canonical correlation analysis for face image processing and recognition/G. Kukharev, E. Kamenskaya//Metody Informatyki Stosowanej. -2009. -No. 3(20). -P. 103-112.
  • Kukharev, G. Face recognition using two-dimensional CCA and PLS/G. Kukharev, A. Tujaka, P. Forczmański//International Journal of Biometrics. -2011. -Vol. 3, Issue 4. -P. 300-321. - DOI: 10.1504/IJBM.2011.042814
  • Кухарев, Г. Методы обработки и распознавания изображений лиц в задачах биометрии/Г. Кухарев, Е. Каменская, Ю. Матвеев, Н. Щеголева; под ред. М.В. Хитрова. -СПб: Политехника, 2013. -388 с. -ISBN: 978-5-73251-028-7.
  • Почему собаки похожи на хозяев . -URL: http://www.house-dog.ru/about_391.html (дата обращения 02.07.2018).
  • Gupta, S. Texas 3D face recognition database /S. Gupta, M.K. Markey, K.R. Castleman, A.C. Bovik. -URL: http://live.ece.utexas.edu/research/texas3dfr/index.htm (access date: 23.04.2017).
  • Tu, Ch.-T. A new approach for face hallucination based on a two-dimensional direct combined model/Ch.-T. Tu, M.-Ch. Ho, M.-Y. Lin//Pattern Recognition. -2017. -Vol. 62. -P. 1-20. - DOI: 10.1016/j.patcog.2016.07.020
  • An, L. Face image super-resolution using 2D CCA/L. An, B. Bhanu//Signal Processing. -2014. -Vol. 103. -P. 184-194. - DOI: 10.1016/j.sigpro.2013.10.004
  • Hou, Sh. A two-dimensional partial least squares with application to biological image recognition/Sh. Hou, Q. Sun, D. Xia//2010 Sixth International Conference on Natural Computation (ICNC 2010). -2010. -P. 57-61. - DOI: 10.1109/ICNC.2010.5583135
  • Вельков, В.В. Многомерная биология и многомерная медицина/В.В. Вельков//Химия и Жизнь. -2007. -№ 3. -C. 10-15.
  • Meng, C. Dimension reduction techniques for the integrative analysis of multi-omics data/C. Meng, O.A. Zeleznik, G.G. Thallinger, B. Kuster, A.M. Gholami, A.C. Culhane//Briefings in Bioinformatics. -2016. -Vol. 17, Issue 4. -P. 628-641. - DOI: 10.1093/bib/bbv108
  • Qiu, J. Neural network implementations for PCA and its extensions/J. Qiu, H. Wang, J. Lu, B. Zhang, K.-L. Du//ISRN Artificial Intelligence. -2012. -Vol. 2012. -847305. - DOI: 10.5402/2012/847305
  • Chan, T.-H. PCANet: A simple deep learning baseline for image classification?/T.-H. Chan, K. Jia, Sh. Gao, J. Lu, Z. Zeng, Y. Ma//IEEE Transactions on Image Processing. -2015. -Vol. 24, Issue 12. -P. 5017-5032. - DOI: 10.1109/TIP.2015.2475625
  • Tian, L. Multiple scales combined principle component analysis deep learning network for face recognition/L. Tian, Ch. Fan, Y. Ming//Journal of Electronic Imaging. -2016. -Vol. 25, Issue 2. -023025. - DOI: 10.1115/1.JEI.25.2.023025
  • Hasegawa, R. PLSNet: A simple network using Partial Least Squares regression for image classification/R. Hasegawa, K. Hotta//Proceedings of the 23rd International Conference on Pattern Recognition (ICPR). -2016. -P. 1601-1606. - DOI: 10.1109/ICPR.2016.7899865
  • Andrew, G. Deep canonical correlation analysis/G. Andrew, R. Arora, J. Bilmes, K. Livescu//Proceedings of the 30th International Conference on Machine Learning: Proceedings of Machine Learning Research. -2013. -Vol. 28(3). -P. 1247-1255.
  • Benton, A. Deep generalized canonical correlation analysis /A. Benton, H. Khayrallah, B. Gujral, D. Reisinger, Sh. Zhang, R. Arora. -URL: arXiv:1502.02519v2 (request date: 02.07.2018).
  • Kukharev, G.A. Algorithms of two-dimensional projection of digital images in eigensubspace: History of development, implementation and application/G.A. Kukharev, N.L. Shchegoleva//Pattern Recognition and Image Analysis. -2018. -Vol. 28, Issue 2. -P. 185-206. - DOI: 10.1134/S1054661818020116
Еще
Статья научная
SciUp 2024 © 2024 ©