作品名称： 基于稀疏正则化的多特征多源图像融合方法及其系统实现
大类：  发明制作B类
正则化可以产生稀疏权值
小类： 信息技术
简介： 随着大数据时代的到来，各类技术所获得的信息也更为丰富。人脸识别、图像检索等技术在特征提取方面，存在如何有效利用多源信息的难题。若将各类特征简单叠加会使信息冗余，影响存储容量和运算速度。针对以上问题，本作品提出一类多特征多源图像融合模型。利用该类模型融合多类特征和多源图像的有效信息以达到优势互补的效果；去除冗余和干扰信息以提高运算速度。将该方法应用于人脸识别和图像检索等系统，能提高其识别效果和速度。
详细介绍： 图像模式识别领域最重要的研究课题之一是寻更有效的特征来描述图像信息。随着大数据时代的到来，各种图像模式识别技术中获得的信息也越来越多，如何有效利用多种来源的信息成为未来发展的趋势。为了获得更多的细节信息，通常将图像分区域后提取特征，但是规整的划分区域往往将一些整体信息分在两个区域内，因此我们提出一种区域挑选与划分的模型，能够选出具有重要意义的区域，去除冗余和干扰信息。同时现有的特征提取方法并不
能完全描述图像信息，因此研究者考虑在特征中融入更多的信息，但是同一类特征往往集中于提取类似的信息，例如局部二值模式（LBP）特征主要提取图像的纹理信息，如边缘、点等信息。虽然研究者在LBP特征的基础上做过很多改进，但是所提取的仅仅是越来越来的细节纹理信息。反观，人类在识别物体时往往会从多个方面提取信息，不会因为细节的改变而识别失败，例如人脸虽然脸上多了疤痕，但是人们仍旧可以辨认出是哪位。因此我们考虑将具有互补性的多种特征融合，例如提取整体信息的全局特征和提取细节信息的局部特征。但是如果将两种特征简单相加，就会导致信息冗余，致使特征维数增大。因此我们想到提出一种多特征融合模型，可以选择性地综合各类特征的优点，达到扬长补短的效果。同时考虑到多种来源图像之间的互补性（例如可见光图像包含更多细节信息，却易受到光照干扰；近红外图像不受光照干扰，却损失了细节信息），我们提出了一种多源图像融合模型，能够融合不同来源的图像信息。信息的融合往往导致特征维数增大，而随着大数据时代的到来，模式识别领域也面临了处理大量数据的应用场合。过多的特征维数会影响算法存储容量和运算速度，我们的两类融合模型在融合信息的同时，降低了特征维数。本作品有三大创新点：1）提出了特征区域划分与选择的新模型。利用LASSO正则化方法可以在限定特征维数的前提下，挑选出重要区域。LASSO正则化方法为限定了1-范数的优化方法。将区域信息提取构成
优化方程，通过求解优化方程得到评价系数，评价系数就为该区域的重要程度。解析评价系数可以到重要区域，并根据重要程度给予不同权重。通过该特征区域模型能够去除冗余和干扰信息，达到识别率和识别速度的双提升。2）提出了多特征融合的新模型。采用基于GROUP LASSO正则化的方法进行多特征融合。GROUP LASSO方法是在LASSO方法的基础上增加了组的概念。每一类特征自成一组，保证了各类特征的整体性。同时所有特征（包含各类特征）构成一个优化方程，通过求解优化方程得到评价系数，评价系数就为每一维特征的重要程度。通过该融合模型融合多类特征的重要部分，达到优势互补的目的。融合后的特征集合了各类特征优点，同时能够根据实际需求降低特征维数。3）提出了多源图像融合的新模型。利用多特征融合模型分别融合多种来源图像中提取的各类特征；然后采用多源图像融合模型融合多种来源图像，构成的特征集集合了各类来源图像及特征的优点，能够较好地克服外部干扰。同时能够对特征降维，去除冗余和干扰信息。综合利用三种模型能够融合各类图像重要信息，同时对特征降维，在提高识别效果的同时提高识别速度。现有的融合算法将每类特征作为整体，根据它们的相对重要性给予权重，每类特征仅有一个单独的评价系数，而忽略了特征的内部信息。本作品提出的融合模型考虑特征间的互补性，统一评估每一维特征，从整体考虑特征的有效性，因此融合后能达到优势互补的效果。 本作品已经将三种
模型综合应用于人脸识别及图像检索等系统中。由于嵌入式人脸识别系统资源  ，使用人数越多会导致识别速度越慢。以200人为例，原始系统识别一次需要1s，采用本作品方法降维后仅用200ms，达到了实时处理的要求。同时采用本作品的人脸识别系统已在南京某监狱使用，该监狱人数达到3000人，从2012年9月使用至今，未出现误识情况。本作品方法所实现的人脸识别系统同时满足了识别精度和速度需求，超过了目前市场中的人脸识别系统，已经成功用于监狱、银行等应用场合。
获奖情况： 第十三届“挑战杯”特等奖

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。