导读:本文包含了图像欧式距离论文开题报告文献综述及选题提纲参考文献，主要关键词:图像处理,高光谱图像,端元提取,非线性降维
图像欧式距离论文文献综述
杨磊,刘尚争[1]（2016）在《基于图像欧式距离和拉普拉斯特征映射的端元提取算法》一文中研究指出由于多重反射和散射,高光谱图像中的混合像元实际上是非线性光谱混合。传统的端元提取算法是以线性光谱混合模型为基础,因此提取精度不高。针对高光谱图像的非线性结构,提出了基于图像欧氏距离非线性降维的高光谱遥感图像端元提取方法。该方法结合高光谱数据的物理特性,将图像欧氏距离引入拉普拉斯特征映射进行非线性降维以更好地去除高光谱数据集中冗余的空间信息和光谱维度信息,然后对降维后的数据利用寻找最大单形体体积的方法提取端元。真实高光谱数据实验表明,提出的方法对高光谱图像端元提取具有良好的效果,性能优于线性降维的主成份分析算法和原始的拉普拉斯特征映射算法。(本文来源于《电光与控制》期刊2016年04期）
陈居现,杨磊,唐晓燕[2]（2015）在《基于图像欧氏距离流形降维的端元提取算法》一文中研究指出由于多重反射和散射,高光谱图像中的混合像元实际上是非线性光谱混合传统的端元提取算法是以线性光谱混合模型为基础,因此提取精度不高针对高光谱图像的非线性结构.本文提出了基于图像欧氏距离非线性降维的高光谱遥感图像端元提取方法该方法结合高光谱数据的物理特性,将图像欧氏距离引入局部切空间排列进行非线性降维以更好的去除高光谱数据集中冗余的空间信息和光谱维度信息,然后对降维后的数据利用寻找最大单形体体积的方法提取端元.真实高光谱数据实验表明,提出方法对高光谱图像端元提取具有良好的效果,性能优于线性降维的主成分分析算法和原始的局部切空间排列算法.(本文来源于《河南师范大学学报(自然科学版)》期刊2015年04期）
陈宏达,普晗晔,王斌,张立明[3]（2013）在《基于图像欧氏距离的高光谱图像流形降维算法》一文中研究指出提出两种基于图像欧氏距离的非线性降维方法.该方法利用高光谱图像物理特性,将图像欧氏距离引入到传统的流形降维算法中.与其它应用于高光谱图像的降维算法相比,该算法具有诸多优点.图像欧氏距离的引入,在考虑高光谱图像本身的空间关系的同时,很好地保持了数据点之间的局部特性,可以实现有效地去除原始数据集光谱维和空间维的冗余信息.实际高光谱数据的实验结果表明,该算法应用于高光谱图像分类时,与其它常见的方法相比具有更高的分类精度.(本文来源于《红外与毫米波学报》期刊2013年05期）
高全学,高菲菲,郝秀娟,程洁[4]（2013）在《基于图像欧氏距离的二维局部多样性保持投影》一文中研究指出主成分分析可以较好地保持数据的全局多样性几何属性,在模式识别、机器学习、图像识别等领域有着很重要的作用.缺点是他不能较好地保持局部数据的多样性几何属性,且忽略了图像像素之间的相互关系,导致算法性能不够好,且对模式形变比较敏感.对此问题,提出了一种基于图像欧氏距离的二维局部多样性保持投影.该方法利用邻接图描述局部数据之间的变化关系,然后利用图像欧氏距离度量数据间的多样性几何属性,有效地将图像像素之间的相互关系嵌入到目标函数中.和主成分分析相比,所提方法较好地保持了局部数据的多样性几何属性,而且明确考虑了图像像素之间的相互关系,对模式形变具有好的鲁棒性.在Yale,AR及PIE叁个人脸库上的实验结果证明了所提算法的有效性.(本文来源于《自动化学报》期刊2013年07期）
冯汉希[5]（2013）在《二值图像欧氏距离转换算法硬件化设计》一文中研究指出距离转换在模式识别、形态学和人工智能等科研领域有着广泛的应用。其中,欧氏距离以其准确性而得到广泛关注。随着图像处理技术和电子技术的发展,针对欧氏距离转换的相关研究逐渐得到广大科研人员的重视。本文详细阐述一种基于二值图像的欧氏距离转换硬件化算法。针对欧氏距离转换硬件化算法的实用性,在前人研究成果的基础上,对不同算法的实现原理和计算性能进行分析和比较,选取一种切实可行的算法作为基础,以计算速度为主要改进指标,在实现细节和算法结构上做了相应的改进,进一步提高相应的硬件计算系统的计算速度,从而使得该欧氏距离转换硬件化算法具备更好的实时处理性能及实用性首先,根据硬件化算法实现的特征,选取一种基于软件实现的高效欧氏距离转换算法作为基础进行改进设计,首先确保在改动过程中,算法的时间复杂度O(N2)不变。其次,在硬件化算法设计中,根据算法在软件平台和硬件平台上实现的区别,对算法进行面向硬件的模块化和细节设计,以减少硬件系统的计算时间开销及存储资源开销,从而实现优化电路规模的设计目标。在设计中,我们充分考虑硬件电路的特点,使用加法计算和移位计算代替乘法计算操作,以使提高电路的计算速度。最后,根据计算系统的实现情况,对整个系统进行结构调整和再设计,最终形成高效的流水线结构。与其他欧氏距离转换算法相比,本文所实现的欧氏距离转换硬件化算法有以下优点：其一,在计算速度力面有很大提升,使其计算时间复杂度从软件实现的O(N2)提高到O(N),从而使得算法具有更好的实时性和实用性其二,通过模块化和细节设计,可以减少系统的存储资源开销,进一步优化算法的空间复杂度。其叁,在欧氏距离转换硬件化算法设计实现后,对实现的硬件电路结构并及各个单元结构的功能进行再设计,进行调整以进一步提高计算速度。最后,基于Verilog HDL语言和FPGA平台,将本文设计的算法实现成一个具有二阶流水线的硬件计算系统,对其进行逻辑综合、时序仿真以验证设计功能的实现,并通过EDA工具对其计算性能及系统资源进行分析。(本文来源于《东华大学》期刊2013-02-01）
周强,杨智勇,孙小燕,张静[6]（2012）在《基于图像欧式距离的KPCA SAR图像目标识别算法》一文中研究指出针对传统KPCA方法识别SAR图像时需首先对图像进行拉直处理问题进行研究,借助于图像欧式距离,提出了一种基于图像欧式距离的核函数构建方法,给出了3种基于图像欧式距离的核函数,并将其应用SAR图像识别中。以实测MSTAR数据为例,给出了识别结果和仿真分析,结果证明了该算法能够有效克服传统KPCA方法的局限性,是一种可行的方法。(本文来源于《火力与指挥控制》期刊2012年12期）
郝建东,张伟伟[7]（2011）在《基于核的图像欧氏距离人脸识别》一文中研究指出引进了两幅图像之间的一种新的距离度量方法——图像欧氏距离,该距离是利用核函数对传统的欧氏距离进行改进而得到的。在此基础上,设计了一种新的分类识别方法——基于核的图像欧氏距离人脸识别方法,并应用于人脸识别中。为验证该算法的可行性,对人脸图像进行DCT变换得到预处理样本,并在ORL和Yale人脸库上进行多角度的比较实验。分析实验结果表明,该方法优于其它距离分类器算法。(本文来源于《计算机工程与设计》期刊2011年11期）
戴欢,吴小俊[8]（2009）在《基于图像欧氏距离的人脸描述和识别方法》一文中研究指出采用图像欧氏距离将灰度值及其坐标关系相结合用于表征人脸,使之对于图像的短距离晃动比较鲁棒,同时将图像欧氏距离应用于模糊支持向量机中。采用ORL人脸库进行分类实验,并与已发表论文的实验结果进行比较,验证了该方法的有效性。(本文来源于《江南大学学报(自然科学版)》期刊2009年01期）
龚涛,刘凤琴,刘鹏[9]（2008）在《基于欧式距离的多时相遥感图像变化检测》一文中研究指出文章以某城市遥感影像为例,把欧式距离的方法运用于多时相遥感影像的变化检测中。分别对单像元与3×3窗口像元做变化检测,比较二者之间的效果,得出利用像元周边信息能够减少噪音,降低破碎度的结论。(本文来源于《西部交通科技》期刊2008年05期）
陈惠明[10]（2008）在《图像欧氏距离在人脸识别中的应用研究》一文中研究指出图像欧氏距离可以嵌入到许多传统的图像分类识别算法中,该嵌入是通过对原始图像的线性变换来实现的,给出了一种基于数据场的图像线性变换方法,将其应用到图像欧氏距离中。实验结果表明,基于数据场的线性变换方法是一种可行的图像线性变换方法,该方法可以完成大尺度图像的线性变换,方便地将图像欧氏距离嵌入到传统人脸识别算法中。(本文来源于《计算机工程与设计》期刊2008年14期）
图像欧式距离论文开题报告
（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：
由于多重反射和散射,高光谱图像中的混合像元实际上是非线性光谱混合传统的端元提取算法是以线性光谱混合模型为基础,因此提取精度不高针对高光谱图像的非线性结构.本文提出了基于图像欧氏距离非线性降维的高光谱遥感图像端元提取方法该方法结合高光谱数据的物理特性,将图像欧氏距离引入局部切空间排列进行非线性降维以更好的去除高光谱数据集中冗余的空间信息和光谱维度信息,然后对降维后的数据利用寻找最大单形体体积的方法提取端元.真实高光谱数据实验表明,提出方法对高光谱图像端元提取具有良好的效果,性能优于线性降维的主成分分析算法和原始的局部切空间排列算法.
（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。
图像欧式距离论文参考文献
[1].杨磊,刘尚争.基于图像欧式距离和拉普拉斯特征映射的端元提取算法[J].电光与控制.2016
[2].陈居现,杨磊,唐晓燕.基于图像欧氏距离流形降维的端元提取算法[J].河南师范大学学报(自然科学版).2015
[3].陈宏达,普晗晔,王斌,张立明.基于图像欧氏距离的高光谱图像流形降维算法[J].红外与毫米波学报.2013
[4].高全学,高菲菲,郝秀娟,程洁.基于图像欧氏距离的二维局部多样性保持投影[J].自动化学报.2013
[5].冯汉希.二值图像欧氏距离转换算法硬件化设计[D].东华大学.2013
[6].周强,杨智勇,孙小燕,张静.基于图像欧式距离的KPCASAR图像目标识别算法[J].火力与指挥控制.2012
[7].郝建东,张伟伟.基于核的图像欧氏距离人脸识别[J].计算机工程与设计.2011
[8].戴欢,吴小俊.基于图像欧氏距离的人脸描述和识别方法[J].江南大学学报(自然科学版).2009
[9].龚涛,刘凤琴,刘鹏.基于欧式距离的多时相遥感图像变化检测[J].西部交通科技.2008
[10].陈惠明.图像欧氏距离在人脸识别中的应用研究[J].计算机工程与设计.2008