具有普适性的改进非负矩阵分解图像特征提取方法

来源：计算机应用杂志2018年第1期北京时间：

作者：贾旭, 孙福明, 李豪杰, 曹玉东

单位：1. 辽宁工业大学 电子与信息工程学院, 辽宁 锦州 121001;2. 大连理工大学 软件学院, 辽宁 大连 116024

摘要：为提高图像特征提取的普适性，提出了一种基于改进非负矩阵分解（NMF）的图像特征提取方法。首先，考虑到提取的图像特征的实际意义，选用非负矩阵分解模型进行图像特征的降维处理；其次，为实现用较小数量系数来描述图像特征，将稀疏约束作为非负矩阵分解模型的正则项之一；然后，为使降维后优化得到的特征具有较好的类间区分性，将聚类属性作为非负矩阵分解的另一个正则项；最后，通过对模型的梯度下降优化求解，获得最优的特征基向量与图像特征向量。实验结果表明，针对3种图像数据库，所提的图像特征更有利于图像正确分类或识别，错误接受率（FAR）与错误拒绝率（FRR）分别可以降低到0.021与0.025。

关键词：非负矩阵分解,特征提取,稀疏表示,梯度下降法,特征降维

基金资助：国家自然科学基金资助项目（61502216，61572244）。