导读:本文包含了图像子空间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:遥感,高光谱,波段选择,子空间划分
图像子空间法论文文献综述
赵亮,王立国,刘丹凤[1]（2019）在《高光谱图像子空间的波段选择》一文中研究指出为降低高光谱遥感数据光谱空间的冗余度,提出一种快速的波段选择方法。该方法在波段子空间下进行,依次选择各子空间中方差最大的波段作为初始波段,设定目标函数,然后逐子空间替换波段使得目标性能更加优化,直至没有替换可以使得目标更优为止。在两个公开高光谱影像数据集上对比3种常用波段选择方法(ABC、AP、ABS)来验证提出方法的有效性,实验结果表明:(1)在印第安纳数据上,本文方法与ABC、AP、ABS所选波段子集相比平均相关性分别降低22.04%、52.61%、55.71%,最佳指数分别提高0.58%、51.73%、0.95%,总体分类精度分别提高0.16%、1.39%、23.07%,在搜索效率上与同类型的ABC方法相比提高6.61%—69.02%;(2)在帕维亚大学数据上,本文方法与ABC、AP、ABS所选波段子集相比平均相关性分别降低2.38%、0.51%、32.83%,最佳指数分别提高1.34%、17.97%、12.92%,总体分类精度分别提高0.31%、0.69%、8.53%,在搜索效率上与同类型的ABC方法相比提高19.13%—86.34%。本文提出的波段选择方法能够选择合适的波段子集满足不同的应用需要,是一种有效的波段选择方法。(本文来源于《遥感学报》期刊2019年05期）
刘思行[2]（2019）在《基于低秩和流形嵌入的图像子空间表征研究》一文中研究指出图像表征在图片识别等技术中扮演着核心角色,成为模式识别领域中广受关注的问题。子空间分析方法已成为当前图像表征主要技术之一。传统的子空间方法大多单一关注数据的全局或局部特性,对于复杂数据其特征表达能力仍有不足;同时在复杂场景,例如噪声、多视角等问题中,子空间方法目前还没有较为统一的表征方案。针对上述问题,本文研究基于引入样本惩罚因子的低秩子空间表达并融合流形嵌入技术构造广义的特征表达框架,提高在复杂数据,复杂场景下对图像的特征表达能力。并设计实现人脸识别系统,结合本文所提出的图像表征算法,提高人脸识别性能。本文的主要工作如下:本文提出基于最小二乘的流形嵌入图像表征方法。将主成分分析中通过最小二乘最小化重构误差思想作为基本框架,引入泛化的局部流形嵌入作为特征表达方法。与已知的主成分分析方法不同,我们提出的广义最小二乘重构误差考虑投影数据结构和样本点的惩罚。并通过引入于流形嵌入,平衡子空间特征表达的局部几何结构和全局结构。人脸识别和手写体数字识别的实验结果表明,与常用的流形嵌入方法相比,该方法保持了较低的子空间结构并且取得较高的分类结果,显示此框架在特征表达方面具有优越的性能。本文提出基于低秩表达的多图嵌入图像表征方法。将多流形构造的样本惩罚字典引入低秩表达中,通过对样本点的加强或抑制获得更干净的低秩子空间特征,以更有效的解决低秩表达中的去噪和去除遮挡问题。并且通过多图流形嵌入技术融合,提高特征对数据不同流形结构的表达能力,平衡多视图数据下局部和全局结构。在叁个场景:前景提取、去除噪声、去除污染上的实验与流行的低秩算法比较结果表明,该特征提取方法具有更强的泛化能力和识别性能,能够有效针对现实数据中的污染、遮挡、多视角等复杂场景。基于以上图像表征算法设计并实现人脸识别系统。系统运行测试表明该人脸识别系统界面友好,功能正确,且能应对不同场景下的识别要求,验证了本文所提出的图像表征方法的有效性。(本文来源于《江苏大学》期刊2019-04-01）
王素健[3]（2018）在《基于图像子空间和核稀疏表示的人脸识别及同态加密方案的设计与研究》一文中研究指出目前人脸识别的算法中主要是针对人脸特征提取和分类决策的俩大领域进行研究。而人脸图像的子空间和稀疏表示人脸特征提取方法的研究热度近年来一直持续上升,同时这些方法大都基于人脸图像局部线性的特征提取,由于非约束环境的要求性越来复杂,而人脸结构本身是非线性的,再加上用户对系统的体验要求也越来越高,这就需要在非线性的条件下找到一个具有较好效果的算法。同时随着大数据,云计算时代的到来,越来越多的用户信息被完全暴露在各大互联网媒体上,这样就存在很大的隐患和安全性问题,这同样也是用户担心的问题。基于以上描述,本文现总结两个问题:a.如何在非线性条件下能找到一种具有较好效果的人脸特征提取算法。b.如何在a实现后能找到一种隐秘安全的人脸识别算法。基于以上描述问题a和b,本文所做工作如下:1.在最大间隔和鉴别保局投影(Maximizing Margin and Discriminant Locality Preserving Projections,MMDLPP)算法中,能较好的保持同类近邻关系,区别不同类的伪近邻关系,同时也是个能解决小样本问题的监督学习方法。然而MMDLPP是一种线性特征提取方法,会存在将低维的线性不可分模式映射到高维空间来实现线性可分,然后在高维空间计算时造成“维数灾难”。与此同时,人脸结构通常是非线性的,如何找到一种既能获得人脸的非线性特征,也具有MMDLPP算法的优点的算法成为了一个问题,为解决这个问题,本文研究了核函数的工作原理和eigenfaces将高阶矩阵计算转换成低阶矩阵计算的思想,同时结合MMDLPP算法的优点,提出了核化MMDLPP(KMMDLPP)算法,这样就将原始样本通过非线性映射投影到高维空间中,然后将高维空间的计算转换成特征值分解问题。该方法不仅较好的保持了类内的近邻关系,分离了类间的伪近邻关系,也较好的解决小样本问题,同时在非约束环境下具有很好的鲁棒性,也为本文下面的工作打下了基础。2.在基于超完备信号的稀疏表示结合鉴别信息的鉴别稀疏保持嵌入(Discriminant Sparsity Preserving Embedding,DSPE)算法中,该算法较好的把超完备信号稀疏表示和子空间方法结合起来,即很好的解决真实近邻和伪近邻的关系,同时在非约束环境下的人脸识别中也有较好的鲁棒性。DSPE是线性的稀疏表示方法,为了得到人脸图像的非线性的稀疏表示,本文提出了用核技术的思想来对稀疏矩阵核化,同时整体的对DSPE进行核化后得到KDSPE。KDSPE算法将原始样本通过非线性映射投影到高维空间中,然后将高维空间的计算转成利用核函数求解内积的问题。KDSPE作为一个非线性的监督学习方法,不仅获得了图像全局最优低维嵌入,还有效的提取人脸非线性特征,同时在非约束环境下具有较好的鲁棒性。3.随着大数据和云计算时代的到来,越来越多的用户信息被完全暴露在各大互联网媒体上,这样就存在很大的隐患和安全性问题,为了保护用户的个人隐私信息,完成人脸图像数据在服务器端的隐秘计算,本文提出了核鉴别稀疏保持嵌入算法(KDSPE)结合密码学领域的同态加密和基于身份加密系统(IBE)的不经意传输协议的一种隐秘人脸图像识别方案。终端采集待测样本的数据和数据库的人脸图像数据进行对比,从而判断终端采集的人脸数据是否在数据库存在。这里利用KDSPE算法得到的核鉴别稀疏矩阵,然后利用同态加密和基于身份加密系统(IBE)的不经意传输协议来隐秘计算终端和服务器人脸的核鉴别稀疏矩阵的欧式距离,进而判断是否匹配。该方案的优点在于除了可以有效的提取人脸非线性特征外,同时在非约束环境下(姿态,表情,光照,遮挡,年龄,拍摄角度)也有较好的鲁棒性,此外由于结合密码学的知识,该方案还可以保证通信参与者的数据安全和通信通道的安全性,实验结果表明本文方案提高了人脸识别率,同时具有一定的算法安全性。(本文来源于《陕西师范大学》期刊2018-05-01）
朱科[4]（2011）在《图像子空间聚类与分类算法研究》一文中研究指出随着数字照相机的普及和网络多媒体的快速发展,互联网上的图像等多媒体内容的数量正在以指数级的速度迅猛增长。因此,实现对规模日益庞大的图像数据的有效管理和检索具有十分重要的现实意义。相应地,如何准确的对图像数据进行聚类与分类逐渐成为近年来热点研究问题。但是由于受到目前图像理解技术的局限,图像的视觉底层特征和高层语义之间存在着着名的“语义鸿沟”问题。为了解决这种由底层视觉特征和高层语义之间的差异所造成的困难,提高聚类以及分类的性能,本文首先提出了一种局部样条嵌入的半监督子空间学习算法。该算法的目的是学习一个投影矩阵,使得训练样本中的标注数据经过投影矩阵降维后其类间离散度尽量大,类内离散度尽量小。同时,该算法通过局部样条回归可将局部低维嵌入坐标映射成全局低维嵌入坐标,使得被投影数据保持原有流形结构,有效利用了有标注训练样本和未标注训练样本,从而得到优化的图像表达方式。通过与半监督判别分析算法比较,局部样条嵌入的半监督子空间学习算法具有更好的推广能力。但是局部样条嵌入的半监督子空间学习算法所求得的子空间投影矩阵不是正交的。非正交性使其不能保持高维空间的测度结构以及不能用于估计高维数据的内蕴维度,从而在一定程度上降低了该算法的性能。因此我们在原算法基础上引入了正交化处理,提出了基于正交投影的局部样条嵌入半监督子空间学习算法。最后,我们将提出的算法应用到了实际的图像聚类与分类任务中,通过在几种常用的图像数据集上的测试,实验结果表明了该算法的有效性。(本文来源于《浙江大学》期刊2011-01-05）
刘俊,黄向生,王阳生[5]（2005）在《基于图像子空间的改进商图像方法》一文中研究指出光线变化将显着降低人脸识别系统的性能。Shashua et al.提出了一种处理人脸识别中的光线变化问题的简便方法——商图像方法。在本文中,我们从图像子空间的角度对商图像方法进行了分析,理论分析和实验表明,这种方法存在的主要缺点有:1)不准确的理想类假设;2)简单的叁维点光源模型无法很好地近似任意光照情况。针对这些不足,我们提出了一种基于图像PCA子空间的改进商图像方法,以克服这些缺点。我们的方法能够较好地满足商图像方法的理论前提,从而达到更好的图像合成效果和人脸识别性能。(本文来源于《计算机科学》期刊2005年08期）
图像子空间法论文开题报告
（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：
图像表征在图片识别等技术中扮演着核心角色,成为模式识别领域中广受关注的问题。子空间分析方法已成为当前图像表征主要技术之一。传统的子空间方法大多单一关注数据的全局或局部特性,对于复杂数据其特征表达能力仍有不足;同时在复杂场景,例如噪声、多视角等问题中,子空间方法目前还没有较为统一的表征方案。针对上述问题,本文研究基于引入样本惩罚因子的低秩子空间表达并融合流形嵌入技术构造广义的特征表达框架,提高在复杂数据,复杂场景下对图像的特征表达能力。并设计实现人脸识别系统,结合本文所提出的图像表征算法,提高人脸识别性能。本文的主要工作如下:本文提出基于最小二乘的流形嵌入图像表征方法。将主成分分析中通过最小二乘最小化重构误差思想作为基本框架,引入泛化的局部流形嵌入作为特征表达方法。与已知的主成分分析方法不同,我们提出的广义最小二乘重构误差考虑投影数据结构和样本点的惩罚。并通过引入于流形嵌入,平衡子空间特征表达的局部几何结构和全局结构。人脸识别和手写体数字识别的实验结果表明,与常用的流形嵌入方法相比,该方法保持了较低的子空间结构并且取得较高的分类结果,显示此框架在特征表达方面具有优越的性能。本文提出基于低秩表达的多图嵌入图像表征方法。将多流形构造的样本惩罚字典引入低秩表达中,通过对样本点的加强或抑制获得更干净的低秩子空间特征,以更有效的解决低秩表达中的去噪和去除遮挡问题。并且通过多图流形嵌入技术融合,提高特征对数据不同流形结构的表达能力,平衡多视图数据下局部和全局结构。在叁个场景:前景提取、去除噪声、去除污染上的实验与流行的低秩算法比较结果表明,该特征提取方法具有更强的泛化能力和识别性能,能够有效针对现实数据中的污染、遮挡、多视角等复杂场景。基于以上图像表征算法设计并实现人脸识别系统。系统运行测试表明该人脸识别系统界面友好,功能正确,且能应对不同场景下的识别要求,验证了本文所提出的图像表征方法的有效性。
（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。
图像子空间法论文参考文献
[1].赵亮,王立国,刘丹凤.高光谱图像子空间的波段选择[J].遥感学报.2019
[2].刘思行.基于低秩和流形嵌入的图像子空间表征研究[D].江苏大学.2019
[3].王素健.基于图像子空间和核稀疏表示的人脸识别及同态加密方案的设计与研究[D].陕西师范大学.2018
[4].朱科.图像子空间聚类与分类算法研究[D].浙江大学.2011
[5].刘俊,黄向生,王阳生.基于图像子空间的改进商图像方法[J].计算机科学.2005