【摘要】 目标的自动识别是最有价值的应用需求之一，但它同时也最具挑战性。过去几十年中该课题的研究己经取得了较大的进展，但计算机自动识别技术还远没有达到理想的实际应用需求。自动识别技术涉及到很多方面的研究，如图像的预处理，图像增强、图像分割、特征提取方法和分类器的设计等等，这其中特征提取方法的研究尤为关键。一方面，研究者对特征提取的理论作了较多的探索，力求得出一些针对特定目标的高精度、高效率的特征提取算法与方法。这其中包含PCA方法、Fisher鉴别分析方法，以及以核方法为代表的非线性特征提取方法等。另一方面，在实际应用中算法的效率也是非常重要的。本文的研究集中在特征提取方法，这其中涉及到线性与非线性特征提取方法。 本文将特征提取方法分为线性和非线性特征提取方法。原始信息经过线性映射得到的变换后信息称为线性特征，原始信息经过非线性映射得到的变化后的信息成为非线性特征。对应的映射成为线性特征提取方法和非线性特征提取方法。 主分量分析和Fisher线性鉴别准则是应用最广泛的特征提取算法。本文论述了2DPCA和2DFLD等传统特征提取方法，并发展了2DFLD特征提取方法，提出分块的2DFLD特征提取方法，分析表明，该方法是2DFLD方法的推广，在人脸识别研究中优于传统的2DFLD方法。 核方法是新近发展起来的一种非线性特征提取方法，它的理论基础来自于统计学习理论。本文详细讨论了核特征提取方法，并结合偏最小二乘理论(PLS)，提出了基于KPLS的特征融合方法。 本文以构造新的特征提取算法为主要的研究方向，并结合实际应用来验证算法的优劣，对于算法中部分参数的选择讨论不足，这将在以后的研究工作中予以关注。 还原 【Abstract】 ATR is one of the most significant requests, although it is also one of the most challenging tasks. During past several decades great progress has been made in research on this subject. However, it is far away from satisfactory requirements from real world. ATR involves many techniques, such as Image preprocessing; Image enhancing; Image Segmentation; Feature extraction; classifiers designing and so on. Feature extraction is crucial. On one hand, researchers attempt to work out algorithms and methods to some special targets with high right classification rate and good efficiency. Among them, Principal Component Analysis, Fisher’s Linear Discriminant, nonlinear algorithms mainly appearing as Kernel approaches, and so on. On the other hand, in real application efficiency is also an important indicator to assess one algorithm, because in many cases only algorithms with high efficiency can satisfy request of real task. This paper aims at designing feature extraction algorithms on face recognition, including linear feature extraction and nonlinear ones.Feature extraction approaches are divided into two groups in this paper, linear feature extraction and nonlinear feature extraction. The information after linear mapping is called linear features; the information after nonlinear mapping is called nonlinear features. The mappings are called linear feature extraction and nonlinear feature extraction correspondingly.Principal Component Analysis and Fisher’s Linear Discriminant are two methods widely used. This paper introduces feature extraction approaches, 2DPCA and 2DFLD, respectively. We develops the 2DFLD, and presents a new feature extraction approach called blocked FLD. 2DFLD is the special case of blocked FLD. the experimental results indicated that the recognition performance of blocked FLD is superior to that of 2DFLD.Kernel method is a powerful machine learning method developed recently. It builds on the statistical learning theory. Feature extraction based on kernel is discussed in detail. A feature fusion method combined with KPLS is proposed. 还原

算法流程 1、随机初始化一个4096行8列的矩阵W和一个8行64列的矩阵H，设定误差阈值[公式]和迭代轮数[公式] 2、按照上述的乘法更新规则更新（即(1)和(2)式）W和H矩阵，迭代进行第二步 3、输出W矩阵，W矩阵的每一列即为一个特征，即对应的一个数字。将每一列重新展开为一个64*64的矩阵，转置后绘制出来，可看到对应的8个数字，得到结果如下图（1000轮迭代，大约9秒完成）。可看出非负矩阵分解可以很好地将原图中的特征提取出来。

图像特征提取算法matlab仿真，包括LBP特征LDP特征LOOP特征等。matlab2021a运行测试

很不错的目标识别技术，特征提取很好.改程序是提取图像特征的核心程序。你值得拥有~

主要介绍了python实现图片处理和特征提取详解，文中向大家分享了Python导入图片，将图像转化为二维矩阵，模糊化图片等Python对图像的操作，具有一定参考价值，需要的朋友可以了解下。

这个多媒体检索课程的ppt，主要介绍了主流的状态特征，报告sift，gist，shape context ，LBP等

这是一个相当完整的指纹特征提取系统，里面包含了大量的指纹图像预处理算法：包括指纹图像的方向场和频率场的求取，指纹图像的分割、去噪、增强、细化，最后提取出指纹图像的特征点。指纹图像预处理部分的源代码包含在FP这个文件夹里面。具体运行方法：在sampledemo这个文件夹里面的DEBUG文件里面有一个可执行文件，可以直接使用 PS:本系统只能处理256*360的灰度指纹图像，对这个系统有什么明白的地方可以发消息给我。

该压缩包在matlab2013a中运行并实现图像的特征提取，包含四大类经典特征提取方法：SIFT特征，颜色特征，形状特征，纹理特征。每个方法文件夹内附有文档说明。最后我给出了同步PPT解说，包含原理，步骤，及运行实例和结果。

Sift尺度不变特征变换（Scale-invariant feature transform）图像特征提取，Step1：构建金字塔模型-对于各组图像而言，不同层采用不同高斯核函数进行滤波模糊化，各组所用sigma相同。Step2：高斯差分模型，两个高斯模型的差。Step3：计算关键节点。Step4：关键点定位---相位信息。Step5：关键点特征。

imagenet-googlenet-dag网络测试代码，将编译好的matconvnet-25放进去之后可以直接调用运行，且已经放进googlenet_dag模型