版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、在智能手機(jī)等數(shù)碼設(shè)備早已十分普及的今天,獲取照片、視頻等可視化數(shù)據(jù)對(duì)人們來(lái)說(shuō)已經(jīng)變得十分簡(jiǎn)單。大量的可用數(shù)據(jù)資源促使人們以集合為單位來(lái)衡量數(shù)據(jù)。傳統(tǒng)的基于單張圖像的分類問(wèn)題一直是計(jì)算機(jī)視覺(jué)眾多研究中的熱點(diǎn)問(wèn)題之一,以集合為單位的圖像集分類問(wèn)題在近些年的發(fā)展過(guò)程中吸引了眾多研究者的注意力。圖像集的表示和圖像集之間相似性的度量,是圖像集分類問(wèn)題中討論的核心內(nèi)容,是解決問(wèn)題的關(guān)鍵。
我們?cè)谶@篇文章中提出了一種帶有權(quán)重的基于圖像集列空
2、間基底的圖像集表示方法。這種方法在描述圖像集數(shù)據(jù)矩陣結(jié)構(gòu)信息的基礎(chǔ)上,添加了與奇異值相關(guān)的權(quán)重系數(shù),使這個(gè)新的圖像集表示方法具有更好的分類效果和抗噪聲能力。其次,本文通過(guò)降維方法得到圖像集的列空間基底,在獲得表示基底的同時(shí)也去掉了噪聲等不利因素的影響。我們還對(duì)如何度量圖像集在這種表示下的相似性做了一些討論。
實(shí)驗(yàn)結(jié)果表明,本文提出的帶權(quán)重的基于圖像集列空間基底的表示方法在圖像集分類問(wèn)題中有效地識(shí)別圖像集的類別,并且對(duì)于帶有噪聲
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 期望、方差協(xié)方差
- 協(xié)方差矩陣稀疏表示空間譜估計(jì)研究.pdf
- 基于區(qū)域協(xié)方差的圖像超像素生成及其應(yīng)用.pdf
- 基于集合表示的圖像分類.pdf
- 風(fēng)險(xiǎn)價(jià)值方差-協(xié)方差法
- 矩陣協(xié)方差計(jì)算
- 基于協(xié)方差矩陣的目標(biāo)跟蹤方法.pdf
- 協(xié)方差矩陣基礎(chǔ)
- 基于重構(gòu)表示的人臉圖像表示與分類.pdf
- 基于協(xié)方差交集算法的UKF研究.pdf
- 方差協(xié)方差與相關(guān)系數(shù)
- 基于內(nèi)容的圖像結(jié)構(gòu)表示和分類.pdf
- 基于稀疏表示的圖像分類方法研究.pdf
- 基于中層特征表示的圖像分類研究.pdf
- 協(xié)方差的概念及應(yīng)用
- 基于稀疏表示的圖像目標(biāo)分類方法研究.pdf
- 基于稀疏表示的高光譜遙感圖像分類.pdf
- 基于稀疏表示分類器的極化SAR圖像地物分類.pdf
- 基于協(xié)方差調(diào)整的久期-凸度免疫策略分析.pdf
- 基于協(xié)方差矩陣稀疏重構(gòu)的DOA估計(jì)算法.pdf
評(píng)論
0/150
提交評(píng)論