图像分析中的非负矩阵分解理论及最优化和正则化方法的研究.pdf

摘要 摘要 图像分析是对图像中感兴趣的目标进行特征分析和测量，以获得它们的客观 信息，从而建立对图像和目标的描述。本文主要针对图像分析中的几个关键问题 进行阐述与研究。主要有以下几个方面： 1．提出了一种正则非负矩阵分解的积极集投影截断牛顿共轭梯度算法； 非负矩阵分解(NMF)是一种模式识别特征提取的新方法，它是一种基于部分表 示整体的方法。本章把非负矩阵分解问题转化为一个具有界约束的非线性规划， 采用积极集的思想来约简问题规模，利用投影牛顿法来求解牛顿方程，内部迭代 采用截断共轭梯度法。该方法不仅计算简便有效，而且在理论上具有收敛性。数 值实验用人脸识别的数据库进行特征处理，结果表明该方法能很好地表征人脸， 并能提高识别率。 2．围绕着传统非负矩阵分解模型出现的不足，提出了一种基于有界全变差的 非负矩阵分解算法； 数更适合用在图像处理。厶范数虽然计算简单，但是很容易使解过光滑；TV范数 的主要优点是允许解的不连续，因此它能很好地保护图像的一些细微特征，如边 缘和纹理。本章我们提出了一种基于有界全变差的NMF新算法。实验结果表明了 新算法的优越性。 3．从稀疏优化的角度提