随机颜色直方图的Fisher信息融合及应用

doi:10.3778/j.issn.1002-8331.2011.01.006

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (1): 18-21.DOI: 10.3778/j.issn.1002-8331.2011.01.006

随机颜色直方图的Fisher信息融合及应用

邹健^1，2，刘传才¹，张玥^1，2，卢桂馥^1，2

1.南京理工大学计算机学院，南京 210094
2.安徽工程大学应用数理学院，安徽芜湖 241000

收稿日期:2010-09-14 修回日期:2010-11-26 出版日期:2011-01-01 发布日期:2011-01-01
通讯作者: 邹健

Fisher information fusion of random color histograms and its applications

ZOU Jian^1，2，LIU Chuancai¹，ZHANG Yue^1，2，LU Guifu^1，2

1.School of Computer Science and Technology，Nanjing University of Science and Technology，Nanjing 210094，China
2.School of Mathematics and Physics，Anhui Polytechnic University，Wuhu，Anhui 241000，China

Received:2010-09-14 Revised:2010-11-26 Online:2011-01-01 Published:2011-01-01
Contact: ZOU Jian

摘要/Abstract

摘要： 采用在颜色空间的随机划分基础上提取随机直方图从而实现一种以动态方式提取图像颜色分布信息的方法。基于多项费歇尔几何，采用平均延拓的费歇尔信息距离量化随机颜色直方图集合之间综合的信息差异。除了为基于k-近邻的图像分类提供最直接判别元素外，融合的平均信息差异也使得在一个乘积多项流形闭包上学习随机颜色直方图集的集合成为可能。基于颜色特征的图像分类，聚类及可视化等任务此时可在减少集上完成。在ALOI数据集的部分图像集上获得的实验结果证实了方法的有效性。

关键词: 随机颜色直方图, 多项几何, 信息融合, 流形学习

Abstract: The random partition scheme on color space is adopted to extract normalized random color histograms，thereby realizing the extraction of color distribution information of image in dynamic manner.Based on multinomial Fisher geometry，the averaged extended Fisher information distances are proposed for quantifying overall information divergence between sets of random color histograms.Besides providing the most straightforward elements for k-Nearest Neighbor（kNN） based image classification，the measured information divergences also make it possible to learn the collection of sets of random color histograms on the closure of a product simplex.Original color-based tasks such as classification，clustering and visualization on image set can be then implemented on the reduced set.The experimental results on partial images of ALOI database show the effectiveness of proposed method.

Key words: random color histograms, multinomial geometry, information fusion, manifold learning

中图分类号:

TP391.4

邹健^1，2，刘传才¹，张玥^1，2，卢桂馥^1，2. 随机颜色直方图的Fisher信息融合及应用[J]. 计算机工程与应用, 2011, 47(1): 18-21.

ZOU Jian^1，2，LIU Chuancai¹，ZHANG Yue^1，2，LU Guifu^1，2. Fisher information fusion of random color histograms and its applications[J]. Computer Engineering and Applications, 2011, 47(1): 18-21.

[1]	徐承志，万方. 两级邻域采样的孪生网络在流形学习中的应用[J]. 计算机工程与应用, 2021, 57(9): 233-239.
[2]	刘畅，邱卫根，张立臣. 基于可变形掩膜对齐卷积模型的行人再识别[J]. 计算机工程与应用, 2021, 57(5): 146-152.
[3]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[4]	陈坤峰，潘志松，王家宝，施蕾，张锦，焦珊珊. 跨模态行人再识别的协同学习方法[J]. 计算机工程与应用, 2021, 57(12): 115-125.
[5]	邱建荣，罗汉. 改进的局部线性嵌入算法及其应用[J]. 计算机工程与应用, 2020, 56(3): 176-179.
[6]	张红，程传祺，徐志刚，李建华. 基于深度学习的数据融合方法研究综述[J]. 计算机工程与应用, 2020, 56(24): 1-11.
[7]	陈媛，陈晓云. 流形极限学习机自编码特征表示[J]. 计算机工程与应用, 2020, 56(17): 150-155.
[8]	韩二东. 概率语言术语集多准则决策方法研究进展[J]. 计算机工程与应用, 2020, 56(10): 27-35.
[9]	阮凯，邱卫根. 多信息融合的深度学习人脸表情识别算法研究[J]. 计算机工程与应用, 2019, 55(5): 192-196.
[10]	董安国，张倩，刘洪超，梁苗苗. 基于TSNE和多尺度稀疏自编码的高光谱图像分类[J]. 计算机工程与应用, 2019, 55(21): 177-182.
[11]	李果，马春阳，马建晓. 基于DPCA和改进证据理论的融合式故障诊断[J]. 计算机工程与应用, 2019, 55(20): 197-201.
[12]	魏迪，刘德山，闫德勤，张悦. 应用于人脸图像识别的邻域保持极限学习机[J]. 计算机工程与应用, 2019, 55(11): 187-191.
[13]	陈金广1，2，王星辉1，2，马丽丽1，2，张馨东1，2，巩林明1，2. 采用分段RTS的CPHD平滑算法[J]. 计算机工程与应用, 2019, 55(1): 50-55.
[14]	曹中义，吉根林，谈超. 改进的多流形LLE学习算法[J]. 计算机工程与应用, 2018, 54(24): 156-163.
[15]	蒋伟东，黄睿. 基于流形学习的约束Laplacian分值多标签特征选择[J]. 计算机工程与应用, 2018, 54(19): 147-150.

随机颜色直方图的Fisher信息融合及应用

Fisher information fusion of random color histograms and its applications

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics