基于張量特征值分析的特征表示及典型應用.pdf_第1頁
已閱讀1頁,還剩97頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、張量特征分析主要有兩個研究方向:張量分解,張量特征值表示。張量是高維數據的自然表示,能夠保證數據的內部結構,在數據挖掘,特征提取方面有絕對的優(yōu)勢。圖像和視頻是最常見的高維數據,如何在圖像和視頻的領域中應用張量特征分析方法是人們一直關注和廣泛研究的問題。本文主要完成了以下方面的工作:
 ?。?)本文簡要介紹了張量特征分析方法的兩個主要方向,并詳細介紹了梯度偏度張量D特征值的概念以及張量的Tucker分解形式。
 ?。?)由于圖

2、像在其邊緣處會有較大的梯度值變化。本文利用這種偏度信息,通過梯度偏度張量將水平,垂直方向的導數統(tǒng)一在梯度偏度張量這一物理量下。通過梯度偏度張量的 D特征值表示圖像的邊緣特征。通過仿真表明本文的方法能夠準確的檢測出圖像的邊緣。
 ?。?)類似于雷達一維距離像的概念,本文基于梯度偏度張量提出偏度一維像的概念。
 ?。?)根據張量緊湊表示的概念,通過張量的Tucker分解,本文提出了張量多次Tucker-ALS算法,并將該算法具體

3、應用到視頻數據壓縮中。在視頻壓縮算法的具體實現(xiàn)過程中本文做出了改進:對每次的分解結果進行了量化,并用量化后的數據恢復張量,進而形成差張量,再對差張量進行張量分解。通過這種方式可以極大降低因為量化誤差帶來的影響;根據視頻的內容,對每一個測試序列進行分塊。讓數據冗余度低的分塊獲得更多的迭代次數,讓數據冗余度高的分塊減少迭代次數;針對于YUV視頻格式的特殊性,對YUV三個分量分別進行壓縮。充分利用U,V數據的高內聚性,降低數據量。通過對9組測

溫馨提示

  • 1. 本站所有資源如無特殊說明,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,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論