不确定性人工智能 KJ11-形象思维模拟.pptVIP

* 用场的运算实现急剧降维 M维特征 N维特征 只有一次性实现 M N，降维才有意义！ (a)人脸128*128个像素特征 (b) 48个重要特征点 128 * 128 48 ！ * 算法描述 算法名称：基于数据场的人脸图像特征提取 输入：标准化人脸图像，影响因子? 输出：重要特征点集合A 算法步骤： 对图像灰度进行归一化和非线性变换； 根据目标函数优化估计每个像素点的权值； 抽取所有权值非0的像素点组成重要特征点集合A并返回； * 实验结果 从图中可以发现，采用数据场方法提取的重要特征点不仅包含较多的人脸信息，可以描述眼睛、嘴巴等重要面部器官的局部特征，而且受光照条件的影响较小，具有良好的稳定性。 采用上述算法对如图所示的标准人脸图像进行特征提取（? =0.05），可以得到48个权值非零的重要特征点。 * 参数讨论：影响因子? [说明]：?=0.02时，250个重要特征点能够很好地反映原始人脸图像的细节信息；?=0.05时，48个重要特征点可以反映面部表情特征；而当?=0.09时，28个重要特征点只能大致描述面部器官的整体分布 (a) ?=0.02 (b) ?=0.05 (c) ?=0.09 * 利用数据场形成全局