学位论文 > 优秀研究生学位论文题录展示

基于张量子空间的图像特征提取方法研究

作　者: 张健
导　师: 姬红兵
学　校: 西安电子科技大学
专　业: 信号与信息处理
关键词: 特征提取张量子空间学习最大边缘准则维数约简
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 71次
引　用: 0次
阅　读: 论文下载

内容摘要

作为模式识别中的关键技术，特征提取的好坏直接影响后续的分类效果。特征提取的主要任务就是从众多数据特征中提取出最有效的特征，从而达到可视化或降维的目的。针对传统的一维特征提取方法的高计算量和破坏图像内在结构的缺陷，本文研究了基于张量子空间的图像特征提取方法。首先，提出了基于对称信息矩阵的特征提取方法，该方法通过自定义参数控制原始图像和对角图像所占的比重，既得到了对称的图像信息矩阵，又克服了对角图像破坏图像结构的缺点，充分利用了原始图像和对角图像的互补性。其次，改进了二维线性判别分析算法，提出了最大边缘二维移位判别分析算法，增加了邻近不同行间的协方差信息，降低了特征系数的数目，并通过最大边缘准则的调节获得了最优的投影子空间；然后将该方法采用级联的方式扩展到双边形式，同时考虑了不同行间和列间的协方差，从而充分挖掘了图像的局部结构信息，进一步提升了识别效果；将这一思想推广到局部保持投影算法中，既保留了样本间的局部结构信息，也增加了图像像素间的局部信息，从而获得较稳定且有效的二维特征提取算法。最后，将基于二阶张量的变形判别分析推广到高阶张量空间，所得方法可以直接作用于高阶张量数据，避免了传统一维方法需要将高阶张量数据转化为矢量形式的操作，既保留了原始数据的结构信息，又降低了算法复杂度，实验结果证明了该方法的有效性。

全文目录

摘要  3-4
ABSTRACT  4-7
第一章绪论  7-11
  1.1 研究背景及意义  7-8
  1.2 国内外研究现状  8-10
    1.2.1 基于矢量子空间学习的特征提取  8-9
    1.2.2 基于张量子空间学习的特征提取  9-10
  1.3 论文主要工作及章节安排  10-11
第二章基于图像对角化的子空间特征提取  11-25
  2.1 引言  11
  2.2 经典线性特征提取方法  11-14
    2.2.1 主元素分析  11-12
    2.2.2 线性判别分析  12-13
    2.2.3 局部保持投影  13-14
  2.3 基于对角化图像的特征提取  14-16
    2.3.1 对角化主元素分析  15-16
    2.3.2 对角化线性判别分析  16
    2.3.3 对角化局部保持投影  16
  2.4 基于对称信息矩阵的特征提取  16-18
  2.5 实验结果与分析  18-24
  2.6 本章小结  24-25
第三章基于最大边缘准则的二维子空间学习  25-51
  3.1 引言  25
  3.2 最大边缘准则  25-26
  3.3 基于最大边缘准则的二维移位判别分析  26-37
    3.3.1 LDA 和 2DLDA 散布矩阵分析  27-28
    3.3.2 二维移位判别分析（2DSDA）  28-29
    3.3.3 最大边缘二维移位判别分析（2DSDA-MMC）  29-30
    3.3.4 实验结果与分析  30-37
  3.4 基于最大边缘准则的变形判别分析  37-46
    3.4.1 变形判别分析（TransDA）  38-39
    3.4.2 最大边缘变形判别分析（TransDA-MMC）  39-41
    3.4.3 实验结果与分析  41-46
  3.5 变形局部保持投影  46-50
    3.5.1 变形局部保持投影（TransLPP）  46-47
    3.5.2 实验结果与分析  47-50
  3.6 本章小结  50-51
第四章基于张量子空间的特征提取  51-63
  4.1 引言  51
  4.2 经典的张量子空间特征提取方法  51-55
    4.2.1 张量的数学概念  51-52
    4.2.2 多线性主元素分析  52-54
    4.2.3 多线性判别分析  54-55
  4.3 基于张量子空间的变形判别分析  55-57
  4.4 实验结果与分析  57-62
  4.5 本章小结  62-63
第五章总结与展望  63-65
  5.1 全文总结  63-64
  5.2 工作展望  64-65
致谢  65-67
参考文献  67-72
作者在读期间的研究成果  72-73

基于张量子空间的图像特征提取方法研究

内容摘要

全文目录

相似论文