导读:本文包含了二维主分量分析论文开题报告文献综述及选题提纲参考文献，主要关键词:合成孔径雷达,目标识别,二维离散小波变换,两向二维主分量分析
二维主分量分析论文文献综述
李汶虹,王建国,田莉萍[1]（2014）在《基于小波域两向二维主分量分析的SAR目标识别》一文中研究指出针对合成孔径雷达图像目标识别在图像域进行特征提取时空间维数较高、计算复杂度较大、识别效率较低等问题,提出基于小波域两向二维主分量分析和概率神经网络的SAR图像目标特征提取与识别方法。该方法首先引入二维离散小波变换将预处理后的SAR图像变换到小波域,得到可充分表征目标特征信息的低频成分。然后提取低频子图像的两向二维主分量分析低维特征作为训练样本和测试样本的目标特征,最后由概率神经网络分类器完成目标识别。MSTAR数据实验结果表明,在特征矩阵维数低至6×3(原始图像128×128)的情况下平均识别率高达99.32%,且最高可达99.83%,该方法不但能够有效压缩目标特征维数和提高识别率,还对目标的方位信息具有很强的鲁棒性,可有效应用于SAR图像目标特征提取和识别。(本文来源于《雷达科学与技术》期刊2014年06期）
刘志峰[2]（2014）在《基于形态分量分析的二维地震信号重建算法研究》一文中研究指出地震信号重建在石油地震勘探资料处理中具有重要意义。它能够用来重建缺失的地震道,给波动方程偏移等后续处理模块提供规整的输入数据,实现不同区块间的连片处理,有助于消除海上采集中的羽状漂移和多次波等。为了更好地表达地震信号中的不同内蕴特征,进一步提升重建算法性能,本文在形态分量分析理论框架下开展地震信号重建新算法研究。主要工作概述如下:(1)形态分量分析框架下基于DCT和曲波字典组合的地震信号重建研究针对单一型数学变换或字典不能有效刻画地震信号的形态特征多样性这一问题,本文在形态分量分析(MCA)框架下,提出了一种基于离散余弦变换(DCT)与曲波双字典组合的地震信号重建算法。该算法首先将信号分解成局部奇异形态分量以及平滑与线状形态分量。然后采用DCT字典表示局部奇异分量,采用曲波字典表示平滑与线状分量。再以迭代求解方式逐一重建各分量,最后将重建后的分量合并。人工合成地震信号、二维迭前及迭后实际地震信号重建实验表明,该算法能很好完成重建,重建精度不仅要高于非抽样小波变换(UDWT)与曲波字典、曲波与曲波字典、余弦调制滤波器组与曲波等其它双字典组合,而且更是要高于DCT、UDWT、或曲波等单一型字典。(2)形态分量分析框架下基于波原子变换字典的地震信号重建研究地震信号具有震荡特点,虽然DCT或UDWT等变换能捕获沿震荡方向的形态特征,但对穿过该方向的特征描述不够,而波原子变换作为一种新的多尺度几何分析工具,能够弥补以上不足,且对震荡信号具有最优稀疏表示。为此本文提出了MCA框架下基于波原子变换字典的二维地震信号重建算法。该算法首先对二维地震信号进行形态分量分解,分别获得局部奇异分量和平滑与线状分量。然后利用波原子字典重建局部奇异分量;仍然利用曲波字典重建平滑线状分量,最后将重建结果合并。实验表明,基于波原子变换字典的地震信号重建精度不仅要高于DCT和曲波字典组合,而且更是要高于非抽样小波变换(UDWT)与曲波字典、曲波与曲波字典、余弦调制滤波器组与曲波等其它双字典组合。(3)形态分量分析框架下基于多冗余字典线性组合的地震信号重建研究地震信号是地下复杂地质结构的响应,具有特征多样性特点,仅依靠单一型字典或者双字典组合未必能够有效刻画这种特征多样性。本文尝试在MCA框架下实现地震信号更精细的分解,并用多个过完备冗余字典的线性组合来重建地震信号。通过对体现不同特征的分量进行有针对性的重建,并在重建中采用硬阈值筛选和指数递减更新策略,获取更高的重建性能。实验表明基于多字典线性组合的重建算法不仅能够有效重建地震信号,而且能适应复杂地震信号重建情形。该算法与基于波原子变换字典的地震信号重建算法性能相当,但比其它双字典组合的重建效果要好,更要优于单一型字典的重建效果。(本文来源于《河北工业大学》期刊2014-11-01）
唐邦杰,封筠[3]（2011）在《基于二维主分量分析的人耳身份识别研究》一文中研究指出有效的特征提取方法是解决人耳身份识别任务的关键之一。以主分量分析(PCA)为代表的线性子空间方法在特征提取工作中得到了广泛应用。为了更有效地提取人耳图像特征并减少运算量,将基于二维图像矩阵的2D-PCA方法应用于人耳身份识别。针对叁个USTB人耳图像库,采用最近邻分类器,研究了选用不同的特征维数、贡献率,及不同的相似性测度时,2D-PCA方法与传统的PCA方法的识别性能。交叉验证的实验结果表明:2D-PCA方法较PCA方法获得了更短的训练时间和更高的识别率,说明基于图像矩阵的2D-PCA方法是一种效率更高,鲁棒性更强的人耳身份识别方法。(本文来源于《石家庄铁道大学学报(自然科学版)》期刊2011年04期）
冀贞海,李锋,宁勇,朱伟强[4]（2010）在《基于模块二维主分量分析的脉内调制识别算法研究》一文中研究指出基于雷达信号时频分布图像.小文提出了一种利用模块二维主分量分析的方法来进行雷达脉内调制特征识别的新算法.首先将时频分布网像进行分块,利用模块二维主分量分析获得表征每类雷达信号调制识别的特征参数,利用此参数对未知信号的脉内调制类型进行识别.仿真结果表明,利用模块二维主分量分析的手段求进行雷达信号脉内调制识别是非常有效的,提取的特征参数具有很好的鲁棒性,可以取得较高的识别率,同时与一维主分量相比,还可以降低硬件需求,缩短训练时间.(本文来源于《江苏省电子学会2010年学术年会论文集》期刊2010-09-20）
韩金玉,尤奎军[5]（2010）在《基于双向二维加权主分量分析的面部表情识别》一文中研究指出将二维主分量分析方法与加权的方法相结合,给出了一种双向二维加权主分量分析方法用于面部表情特征提取,该方法从水平和垂直两个方向对图像矩阵进行降维处理,大幅降低了所提取的特征数目;且考虑到面部不同部位包含不同的表情信息这一特点,对各个特征赋予不同的权重系数.经实验验证了该方法的有效性.(本文来源于《哈尔滨商业大学学报(自然科学版)》期刊2010年03期）
高涛,何明一[6]（2010）在《基于采样的二维独立分量分析的单训练样本人脸识别》一文中研究指出人脸识别是当前人工智能和模式识别的研究热点。二维独立分量分析(two-dimensional independentcomponent analysis,2DICA)是人脸特征描述和识别地一种非常有效的方法,但是必须有一定数量和代表性的训练样本的支持。当仅有一个训练样本时,该方法中的协方差矩阵就变成了零矩阵,方法就会失效。针对这一问题,提出了一种基于采样二维独立分量分析(sampled two-dimensional independent component analysis,S2DICA)人脸识别方法。该方法是在2DICA运算之前,首先对单训练样本进行采样,通过多频率采样可以获取多个不同频率下的采样样本,然后对采样样本进行2DICA特征提取,最后采用神经网络分类识别,对人脸库ORL和YEL作了相关实验,将该方法与GREY、PCA、ICA、2DICA、PC PCA、FLDA、Sampled FLDA等传统方法作了比较,最终证明了该方法可以有效地解决单训练样本人脸识别的问题。(本文来源于《计算机应用研究》期刊2010年01期）
冀贞海,朱伟强,赵力,邹采荣[7]（2009）在《二维主分量分析的脉内调制识别算法研究》一文中研究指出随着雷达信号脉内调制方法日趋复杂,单纯地利用时域或频域的算法来进行信号调制类型的识别已很难奏效。借助于雷达信号的时频分布图像,提出了一种在时频联合域上进行信号识别的新算法。首先揭示了时频分布图像中确实蕴含着信号调制类型的本质特征,然后详细阐述了利用二维主分量分析来提取时频分布图像特征参数的算法,最后对算法进行了仿真,并从识别率、算法复杂度以及硬件需求和训练时间3个角度进行了比较。结果表明,该算法提取的特征参数具有很好的鲁棒性,可以取得较高的识别率,同时可以降低硬件需求,缩短训练时间。(本文来源于《电光与控制》期刊2009年11期）
刘玉泽,方欣欣,暴田叶[8]（2009）在《基于二维主分量分析的成趟足迹特征提取方法》一文中研究指出本文采用图象图形学的方法提取成趟足迹的特征值.首先,定义成趟足迹中左侧相邻单足足迹质心间的连线为左步行线,右侧相邻单足足迹质心间的连线为右步行线.第二,采用2D主分量分析(PCA)提取成趟足迹中每个单足足迹沿足长方向的特征向量.定义左步行线上足长特征向量与左步行线间在前进方向的夹角为左步角,右步行线上足长特征向量与右步行线间在前进方向的夹角为右步角.第叁,设计了步行线,步长,步宽,步角的提取方法.对硬地地面成趟足迹样本所做的实验结果表明:对于经过同样预处理所得到的同一幅成趟足迹二值图象,提取的特征值是唯一的.本文提出的成趟足迹提取方法是可行的.(本文来源于《内蒙古工业大学学报(自然科学版)》期刊2009年02期）
徐春明[9]（2009）在《一种基于PSO权重优化的加权二维主分量分析方法》一文中研究指出针对二维主分量分析中图像协方差矩阵的估计问题,在二维主分量分析的基础上给出了一种新的加权图像协方差估计方法,运用粒子群优化算法对权重参数进行并行优化,以抽取更有效的分类特征。在ORL人脸数据库上的实验结果表明,识别性能优于二维主分量分析。(本文来源于《大连民族学院学报》期刊2009年03期）
徐春明,姜海波,于建江[10]（2008）在《鲁棒二维主分量分析方法》一文中研究指出二维主分量分析是一种常用的快速特征抽取方法,但是它没有考虑训练样本中的野值问题.对此,提出了一种鲁棒的二维主分量分析方法,给出了一种新的基于加权的最小均方重构误差估计方法,并给出了相应的求解方法和过程。在AR人脸数据库和ORL人脸数据库上的试验结果表明,所提出的方法在识别性能上优于二维主分量分析。(本文来源于《第二十七届中国控制会议论文集》期刊2008-07-16）
二维主分量分析论文开题报告
（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：
地震信号重建在石油地震勘探资料处理中具有重要意义。它能够用来重建缺失的地震道,给波动方程偏移等后续处理模块提供规整的输入数据,实现不同区块间的连片处理,有助于消除海上采集中的羽状漂移和多次波等。为了更好地表达地震信号中的不同内蕴特征,进一步提升重建算法性能,本文在形态分量分析理论框架下开展地震信号重建新算法研究。主要工作概述如下:(1)形态分量分析框架下基于DCT和曲波字典组合的地震信号重建研究针对单一型数学变换或字典不能有效刻画地震信号的形态特征多样性这一问题,本文在形态分量分析(MCA)框架下,提出了一种基于离散余弦变换(DCT)与曲波双字典组合的地震信号重建算法。该算法首先将信号分解成局部奇异形态分量以及平滑与线状形态分量。然后采用DCT字典表示局部奇异分量,采用曲波字典表示平滑与线状分量。再以迭代求解方式逐一重建各分量,最后将重建后的分量合并。人工合成地震信号、二维迭前及迭后实际地震信号重建实验表明,该算法能很好完成重建,重建精度不仅要高于非抽样小波变换(UDWT)与曲波字典、曲波与曲波字典、余弦调制滤波器组与曲波等其它双字典组合,而且更是要高于DCT、UDWT、或曲波等单一型字典。(2)形态分量分析框架下基于波原子变换字典的地震信号重建研究地震信号具有震荡特点,虽然DCT或UDWT等变换能捕获沿震荡方向的形态特征,但对穿过该方向的特征描述不够,而波原子变换作为一种新的多尺度几何分析工具,能够弥补以上不足,且对震荡信号具有最优稀疏表示。为此本文提出了MCA框架下基于波原子变换字典的二维地震信号重建算法。该算法首先对二维地震信号进行形态分量分解,分别获得局部奇异分量和平滑与线状分量。然后利用波原子字典重建局部奇异分量;仍然利用曲波字典重建平滑线状分量,最后将重建结果合并。实验表明,基于波原子变换字典的地震信号重建精度不仅要高于DCT和曲波字典组合,而且更是要高于非抽样小波变换(UDWT)与曲波字典、曲波与曲波字典、余弦调制滤波器组与曲波等其它双字典组合。(3)形态分量分析框架下基于多冗余字典线性组合的地震信号重建研究地震信号是地下复杂地质结构的响应,具有特征多样性特点,仅依靠单一型字典或者双字典组合未必能够有效刻画这种特征多样性。本文尝试在MCA框架下实现地震信号更精细的分解,并用多个过完备冗余字典的线性组合来重建地震信号。通过对体现不同特征的分量进行有针对性的重建,并在重建中采用硬阈值筛选和指数递减更新策略,获取更高的重建性能。实验表明基于多字典线性组合的重建算法不仅能够有效重建地震信号,而且能适应复杂地震信号重建情形。该算法与基于波原子变换字典的地震信号重建算法性能相当,但比其它双字典组合的重建效果要好,更要优于单一型字典的重建效果。
（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。
二维主分量分析论文参考文献
[1].李汶虹,王建国,田莉萍.基于小波域两向二维主分量分析的SAR目标识别[J].雷达科学与技术.2014
[2].刘志峰.基于形态分量分析的二维地震信号重建算法研究[D].河北工业大学.2014
[3].唐邦杰,封筠.基于二维主分量分析的人耳身份识别研究[J].石家庄铁道大学学报(自然科学版).2011
[4].冀贞海,李锋,宁勇,朱伟强.基于模块二维主分量分析的脉内调制识别算法研究[C].江苏省电子学会2010年学术年会论文集.2010
[5].韩金玉,尤奎军.基于双向二维加权主分量分析的面部表情识别[J].哈尔滨商业大学学报(自然科学版).2010
[6].高涛,何明一.基于采样的二维独立分量分析的单训练样本人脸识别[J].计算机应用研究.2010
[7].冀贞海,朱伟强,赵力,邹采荣.二维主分量分析的脉内调制识别算法研究[J].电光与控制.2009
[8].刘玉泽,方欣欣,暴田叶.基于二维主分量分析的成趟足迹特征提取方法[J].内蒙古工业大学学报(自然科学版).2009
[9].徐春明.一种基于PSO权重优化的加权二维主分量分析方法[J].大连民族学院学报.2009
[10].徐春明,姜海波,于建江.鲁棒二维主分量分析方法[C].第二十七届中国控制会议论文集.2008