导读:本文包含了二维主成分分析法论文开题报告文献综述及选题提纲参考文献，主要关键词:二维主成分分析,特征提取,人脸识别
二维主成分分析法论文文献综述
赵蔷,惠燕,张忠,刘咪[1]（2019）在《基于二维主成分分析的图像特征提取研究》一文中研究指出特征提取是图像目标处理分类和识别的关键。将像素信息表示的图像数据信息转换为特征向量,在减少数据量的同时保留图像中包含的原始信息。对主成分分析与二维主成分分析两种特征提取算法对比研究,提出一种改善的二维主成分分析图像特征提取算法。算法是基于二维度的图像矩阵,使用标准ORL人像数据库。实验结果表明该算法在效率、准确率上均优于主成分分析方法。(本文来源于《航空计算技术》期刊2019年05期）
徐丹,巩沛琪,郭松涛,王英,姚菁[2]（2019）在《基于引导滤波器和加权二维主成分分析的视频融合》一文中研究指出可见光视频可以提供纹理信息,而红外视频可以提供隐藏的热信息。通过2种视频的融合可以提高移动用户的视频观看体验。然而,由于移动设备资源有限,复杂的视频处理任务被迁移到资源(计算、存储和电池资源)相对丰富的微云上执行。基于均值哈希的帧间冗余检测算法被提出,将去冗之后的视频帧传输到微云等待处理,基于引导滤波器和加权二维主成分分析(W2DPCA,weighted two-dimensional principal component analysis)的视频融合算法被提出。该算法首先使用引导滤波器将待融合视频帧分成基层和细层,然后,利用改进的自适应W2DPCA融合可见光帧的基层和红外帧的基层。最后,通过组合融合基层和细层来获取融合帧。实验结果表明,帧间冗余检测方法最大限度地减少了微云中冗余数据的传输量,降低了移动设备的能耗。与现有方法相比,提出的视频融合算法得到的融合帧具有与原始帧更多的互信息和更高的结构相似度,同时融合结果也具有较高的整体标准差和峰值信噪比,所以具有更好的整体融合效果。(本文来源于《重庆大学学报》期刊2019年05期）
陆振宇,傅佑,邱雨楠,陆冰鉴[3]（2019）在《改进的二维主成分分析的人脸识别新算法》一文中研究指出传统二维主成分分析(2DPCA)中的变换只提取人脸图像数据的行内特征,特征提取的方向相对比较单一,没有考虑到其他方向上的特征提取。为了多角度提取图像的特征,识别提供更丰富的信息,文中提出一种改进的2DPCA人脸识别算法。该算法先将人脸图像进行倾斜角度自矫正,同时提取图片的低频信息,再利用改进的感知哈希技术得到图像的"指纹",然后将自矫正后的人脸图片进行多角度旋转,并分别提取特征,得到多角度旋转后的图像特征信息。最后将新算法在ORL(本文来源于《现代电子技术》期刊2019年06期）
陈北京,杨建浩,范春年,苏庆堂,王定成[4]（2019）在《基于块的二维核四元数主成分分析》一文中研究指出核四元数主成分分析(KQPCA)被成功应用于处理非线性四元数信号,然而,核矩阵维数太高使其对角化非常耗时,目前二维形式的KQPCA(2DKQPCA)并没有成功实现.对此,采用基于块处理和并行计算的思想,提出基于块的2DKQPCA(B2DKQPCA),实现真正意义上的2DKQPCA.基于时间复杂度、应用性能和分块矩阵应为四元数Hermitian矩阵的综合考虑,B2DKQPCA重点处理主对角线、反对角线和主对角线旁3个方向的小块.然后,结合B2DKQPCA与RGB-D图像四元数表示方法,将B2DKQPCA应用于RGB-D目标识别领域.在2个公开库上的实验结果表明,提出的基于列向B2DKQPCA的RGB-D识别算法优于现有基于主成分分析算法和基于卷积神经网络的一些算法.(本文来源于《北京邮电大学学报》期刊2019年01期）
孙明月[5]（2019）在《基于增量式二维主成分分析的图像特征提取技术研究》一文中研究指出针对图像数据进行特征提取,挖据出数据中隐藏的重要的、有价值的本质特征,除去不相关和冗余的信息,是图像处理技术的重要研究方向。主成分分析通过选取少量能够放大数据间异同的主元来描述高维数据集,达到数据降维的目的。根据获得数据方式的不同,主成分分析分为批量式主成分分析和增量式主成分分析两种。批量式主成分分析的处理对象是协方差矩阵,它在分析前需得到全部图像数据,而增量式主成分分析能够避免直接计算协方差矩阵,并且不需要一次性获得全部图像数据,它采用增量的学习方式,使用每次新获得的图像数据逐步对主元估计值进行迭代更新。摄像设备分辨率快速提高和数据存储技术的不断进步,将会导致传统的批量式主成分分析所需处理的协方差矩阵非常庞大,计算代价很高,使得特征提取速度赶不上数据更新速度,而增量式主成分分析方法则更为适用。本文主要研究内容如下:(1)针对二维主成分分析算法(2DPCA)批量处理方式,无法满足对高维大批量图像数据以及在线数据进行特征提取的需求,本文将直观协方差无关增量式主成分分析算法(CCIPCA)的增量思想引入到现有的2DPCA算法中,提出了一种新的增量式二维主成分分析算法(Incremental 2DPCA,I2DPCA)。与2DPCA算法相比,该算法采用迭代的计算方式,具备增量学习能力;并且无需进行协方差矩阵的计算,有效地降低了运算量,能够减少特征提取过程的时间与内存。(2)针对所提出I2DPCA算法仅对图像矩阵进行了行方向的特征提取,忽略了列方向的信息,导致信息丢失以及降维效果不理想,本文又提出了一种新的增量式行-列二维主成分分析算法(Incremental Row-Column 2DPCA,IRC2DPCA)。该算法通过行列两次特征提取,将图像矩阵的行列信息有效融合,并能够使用较少的系数来描述图像数据,有效减少后续分类过程的时间和内存。本文共选取物块数据库、ORL及Yale人脸数据库叁组数据库,分别进行了主元收敛性、分类率、复杂度以及图像重构实验。实验结果验证了本文所提的两种增量算法I2DPCA和IRC2DPCA的有效性,并且与批量算法相比,在运算时间及所需内存方面具有明显优势。(本文来源于《天津理工大学》期刊2019-01-01）
乐新宇,肖小霞[6]（2019）在《基于分块双向二维主成分分析的人脸目标识别》一文中研究指出人脸目标识别是目前模式识别、计算机视觉等领域的研究热点问题之一,现有的大多数人脸目标识别算法的条件假设都较为严格,将其应用于现实环境中时,人脸识别的精度较低。针对现实人脸识别中由于光照、表情、姿态或其他物体引起的面部遮挡而严重影响识别率的问题,提出了一种分块双向二维主成分分析融合局部特征方法。首先,将图像分解为互不重迭的子块,每个子块包含重要的局部信息,利用(2D)2PCA对子块进行特征提取并投影到特征子空间;然后,对每个子块分别设计一个分类器并在一定置信度范围内判别测试样本所属类别;最后,根据所有子块所属类别的置信度之和完成人脸分类。在两个人脸识别数据库上的实验结果表明,相比其他几种人脸识别算法,该方法取得了更高的识别精度。(本文来源于《计算机技术与发展》期刊2019年01期）
张世雄,蔡艳平,石林锁,王旭[7]（2018）在《基于离散广义S变换与双向二维主成分分析的内燃机故障诊断》一文中研究指出针对内燃机气阀机构的故障诊断问题,提出一种将离散广义S变换和双向二维主成分分析(TD-2DPCA)相结合的诊断方法。该方法首先利用离散广义S变换将内燃机缸盖振动信号生成振动谱图像,然后利用TD-2DPCA对图像进行特征提取,有效减小特征系数矩阵的维数,最后,通过最近邻分类器进行分类识别。将该方法应用于内燃机气阀机构8种工况的诊断实例中,对比不同时频表征及特征提取方法的计算效率和识别精度,结果表明该方法可为内燃机故障诊断提供一条新途径。(本文来源于《中国机械工程》期刊2018年08期）
杨桄,向英杰,王琪,田张男[8]（2018）在《基于选择性分段行-列二维主成分分析的高光谱图像异常检测》一文中研究指出高光谱图像具有越来越高的空间和光谱分辨率,其带来了数据量大、相关性强和冗余度高的问题,使得异常检测结果精度不高。为了选择更加有利于异常检测的图像,运用二维主成分分析(2DPCA)方法降维,并引入局部联合偏度-峰度指数进行图像选择,提出了一种基于选择性分段2DPCA的高光谱图像异常检测方法。首先利用相关系数对原始图像进行分段,然后通过旋转数据结构在每个波段子空间中实现行-列二维主成分降维;再选择合适大小的窗口,遍历每个降维结果的主成分,计算窗口内的局部联合偏度-峰度指数,并以此为指标选择用于异常检测的图像。实验结果表明,所提方法的接收机工作特性(ROC)曲线、曲线下面积(AUC)值和Bhattacharyya距离值均优于其他传统的方法,因此具有更好的检测性能。(本文来源于《激光与光电子学进展》期刊2018年08期）
张日东,贾克斌[9]（2018）在《一种用于表情识别的局部二维主成分分析算法》一文中研究指出人脸表情识别是生物特征识别技术的重要组成部分,在安全监测、人机交互等领域有着重要应用。主成分分析(PCA)算法是一种目前广泛应用于表情识别的算法,但在实际应用中识别对象存在个体间差异以及易混淆的相似表情,对算法的稳定性提出了很大挑战。针对于上述问题,在PCA基础上提出一种局部二维主成分分析(L-2DPCA)改进算法,并用于人脸表情特征提取。算法先为每个测试样本选取一组近邻的训练样本,作为局部样本结构;然后再对局部样本进行二维主成分分析;通过放大不同子集类样本间的距离并缩小子集中所有样本间距离的方式,使映射矩阵提取更为准确的表情特征。在Rafd和LMIP人脸表情库进行算法性能测试,实验结果表明,所提出的改进算法在保证实时性的前提下,识别率较标准算法平均分别提高了6%和10%。(本文来源于《计算机应用与软件》期刊2018年02期）
杨磊,刘美枝[10]（2018）在《一种改进的核二维主成分分析人脸识别算法》一文中研究指出结合二维主成分分析(two-dimensional principal component analysis,2DPCA)、核二维主成分分析(kernel two-dimensional principal component analysis,K2DPCA)、二维最佳判别式(two-dimensional Linear Discriminant Analysis,2DLDA)的特点,本文提出了一种改进的核二维主成分分析人脸识别算法,可以巧妙地将图像同时映射到最佳投影空间和最优判别空间。首先通过标准的K2DPCA算法在图像的行方向上去相关性;其次在K2DPCA空间通过2DLDA算法对图像做进一步投影;最后利用最近邻准则分类器计算相似度进行判别。在标准人脸库ORL和Yale进行验证,结果表明,所提出算法可以获得更高的识别率。(本文来源于《中国科技论文》期刊2018年02期）
二维主成分分析法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
可见光视频可以提供纹理信息,而红外视频可以提供隐藏的热信息。通过2种视频的融合可以提高移动用户的视频观看体验。然而,由于移动设备资源有限,复杂的视频处理任务被迁移到资源(计算、存储和电池资源)相对丰富的微云上执行。基于均值哈希的帧间冗余检测算法被提出,将去冗之后的视频帧传输到微云等待处理,基于引导滤波器和加权二维主成分分析(W2DPCA,weighted two-dimensional principal component analysis)的视频融合算法被提出。该算法首先使用引导滤波器将待融合视频帧分成基层和细层,然后,利用改进的自适应W2DPCA融合可见光帧的基层和红外帧的基层。最后,通过组合融合基层和细层来获取融合帧。实验结果表明,帧间冗余检测方法最大限度地减少了微云中冗余数据的传输量,降低了移动设备的能耗。与现有方法相比,提出的视频融合算法得到的融合帧具有与原始帧更多的互信息和更高的结构相似度,同时融合结果也具有较高的整体标准差和峰值信噪比,所以具有更好的整体融合效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
二维主成分分析法论文参考文献
[1].赵蔷,惠燕,张忠,刘咪.基于二维主成分分析的图像特征提取研究[J].航空计算技术.2019
[2].徐丹,巩沛琪,郭松涛,王英,姚菁.基于引导滤波器和加权二维主成分分析的视频融合[J].重庆大学学报.2019
[3].陆振宇,傅佑,邱雨楠,陆冰鉴.改进的二维主成分分析的人脸识别新算法[J].现代电子技术.2019
[4].陈北京,杨建浩,范春年,苏庆堂,王定成.基于块的二维核四元数主成分分析[J].北京邮电大学学报.2019
[5].孙明月.基于增量式二维主成分分析的图像特征提取技术研究[D].天津理工大学.2019
[6].乐新宇,肖小霞.基于分块双向二维主成分分析的人脸目标识别[J].计算机技术与发展.2019
[7].张世雄,蔡艳平,石林锁,王旭.基于离散广义S变换与双向二维主成分分析的内燃机故障诊断[J].中国机械工程.2018
[8].杨桄,向英杰,王琪,田张男.基于选择性分段行-列二维主成分分析的高光谱图像异常检测[J].激光与光电子学进展.2018
[9].张日东,贾克斌.一种用于表情识别的局部二维主成分分析算法[J].计算机应用与软件.2018
[10].杨磊,刘美枝.一种改进的核二维主成分分析人脸识别算法[J].中国科技论文.2018