文档介绍：
基于非负矩阵分解的图像特征提取技术
左春婷,王科俊**
(哈尔滨工程大学自动化学院,哈尔滨 150001)
5
10
15
20
25
30
35
40
摘要:非负矩阵分解(non-negative matrix factorization, NMF)算法是在矩阵中所有元素均为非
负的条件下对其实现的非负分解,本文介绍非负矩阵分解的基本思想,给出概率模型的框架
下实现非负矩阵分解的传统的目标函数和乘性迭代算法, 以手指静脉图像为例说明其应用
于图像特征提取的方式方法,并重点深入讨论了改进算法,提出非负矩阵分解的应用中有待
进一步研究的新问题。
关键词:模式识别;非负矩阵分解;图像特征提取
Non-negative Matrix Factorization Algorithms for Image
Extraction
Zuo Chunting, Wang Kejun
(Harbin Engineering University, Harbin 150001)
Abstract: Non-negative matrix factorization (NMF) is a new factor extraction method for pattern
recognition. It aims to find two non-negative matrices whose product can well approximate the
original matrix, which naturally leads to parts-based representation. This paper firstly describes
the basic idea of non-negative matrix factorization, provides the objective functions and the
iterative algorithm, and then take finger vein images as an example of its application to extract
features. In next part, it puts even more weight to discuss the available improved approaches and
draws some conclusion on the future improvement.
Keywords: pattern recognition; non-negative matrix factorization; feature extraction
0 引言
心理学[1]和生理学[2,3]研究表明:对整体的感知是由对组成整体的部分的感知组成的(纯
加性),这也符合直观的理解:整体是由部分组成的[4]。以这些事实为依据产生了许多基于
部分的图像表示方法,统称为子空间的表示方法。一些经典的子空间方法如主成分分析
(ponent Analysis,PCA)、独立分量分析(ponent Analysis,
ICA)及其改进方法在目标识别和模式识别领域已经得到了广泛的应用[5-7],这些方法得到的
基图像是一种全局的描述,同时它们的像素点可以是正值也可以是负值,描述原图像的线性
组合中可能会存在相减关系,缺少直观意义上的由局部合成整体的效果,而且对于图像矩阵,
负值的存在使得分解结果缺少可解释和明确的物理意义,失去了与实际问题的联系。针对这
些问题,Lee 和 Seung 于 1999 年正式提出了一种新的特征子空间的方法——非负矩阵分解
(non-negative matrix factorization,NMF)[4],NMF 通过对基和系数的非负约束,使得重构
图像表示为一系列非负基图像非减的叠加组合,与传统子空间方法相比,这一重建过程更接
近于由局部组合而成为整体的过程,具有明确的物理意义。而且,NMF 的分解结果还具有
一定的稀疏性,能在一定程度上抑制由外界变化(如:部分遮挡、光照变化和物体的旋转等)
给特征提取带来的不利影响[8],在图像提取特征任务中的效果较好。
本文余下部分首先介绍非负矩阵分解算法的基本内容,以手指静脉图像为例说明非负矩
阵分解应用于图像特征提取的方法和特点,然后系统总结归纳各种改进算法,最后就未来有
待进一步研究的方向作出了展望。
作者简介:左春婷,(1990-),女,硕士研究生,手指静脉识别。
通信联系人:王科俊,(1962-),男,教授,生物特征识别、视频智能监控。******@hr