期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于KSVD和PCA的SAR图像目标特征提取
被引量:
8
1
作者
李映
龚红丽
+1 位作者
梁佳熙
张艳宁
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2010年第5期1336-1339,共4页
提出一种基于核的奇异值分解(KSVD)与主成分分析(PCA)相结合的SAR图像目标的组合特征提取方法。该方法首先利用核的奇异值分解得到图像非线性的代数特征,然后进一步经过PCA变换得到图像的最终分类特征。实验中,将本文提出的KSVD+PCA两...
提出一种基于核的奇异值分解(KSVD)与主成分分析(PCA)相结合的SAR图像目标的组合特征提取方法。该方法首先利用核的奇异值分解得到图像非线性的代数特征,然后进一步经过PCA变换得到图像的最终分类特征。实验中,将本文提出的KSVD+PCA两步特征提取方法与PCA、SVD、KPCA、KSVD方法分别结合简单、快速的最近邻分类器在MSTAR坦克数据上进行了比较,实验结果表明,KSVD+PCA方法不仅有效地提高了目标的正确识别率,而且大大降低了对目标方位的敏感度,在目标方位信息未知的情况下,识别率可达到95.75%,是一种有效的SAR图像目标特征提取方法。
展开更多
关键词
计算机应用
SAR图像目标识别
特征提取
核的奇异值分解
主成分分析
最近邻分类器
下载PDF
职称材料
一种改进的远距离视频图像性别辨识方法
被引量:
5
2
作者
宋大伟
《科技通报》
北大核心
2013年第8期121-123,共3页
针对远距离视频图像性别辨识的不准确性,提出一种基于核的奇异值分解(Kernel SingularValue Decomposition,KSVD)和线性判别分析(Linear Discriminant Analysis,LDA)相结合(KSVD+LDA)的性别识别方法。首先,利用核的奇异值分解方法得到...
针对远距离视频图像性别辨识的不准确性,提出一种基于核的奇异值分解(Kernel SingularValue Decomposition,KSVD)和线性判别分析(Linear Discriminant Analysis,LDA)相结合(KSVD+LDA)的性别识别方法。首先,利用核的奇异值分解方法得到图像的有效代数特征;其次,进一步经过线性判别分析得到图像的最佳分类特征;最后,结合简单、快速的最近邻分类器(Nearest Neighbor Classification,NNC)完成对性别的识别。在ORL(Olivetti Research Laboratory)人脸库上的实验结果表明,本文提出的KSVD+LDA方法与奇异值分解(Singular Value Decomposition,SVD),和KSVD方法相比,能获得较高的正确识别率。
展开更多
关键词
性别识别
核的奇异值分解
线性判别分析
特征提取
最近邻分类器
下载PDF
职称材料
题名
基于KSVD和PCA的SAR图像目标特征提取
被引量:
8
1
作者
李映
龚红丽
梁佳熙
张艳宁
机构
西北工业大学计算机学院
出处
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2010年第5期1336-1339,共4页
基金
国家自然科学基金项目(60873086)
高等学校博士学科点专项科研基金项目(20070699013)
+1 种基金
航空科学基金项目(20085153013)
西北工业大学基础研究基金项目(JC200942)
文摘
提出一种基于核的奇异值分解(KSVD)与主成分分析(PCA)相结合的SAR图像目标的组合特征提取方法。该方法首先利用核的奇异值分解得到图像非线性的代数特征,然后进一步经过PCA变换得到图像的最终分类特征。实验中,将本文提出的KSVD+PCA两步特征提取方法与PCA、SVD、KPCA、KSVD方法分别结合简单、快速的最近邻分类器在MSTAR坦克数据上进行了比较,实验结果表明,KSVD+PCA方法不仅有效地提高了目标的正确识别率,而且大大降低了对目标方位的敏感度,在目标方位信息未知的情况下,识别率可达到95.75%,是一种有效的SAR图像目标特征提取方法。
关键词
计算机应用
SAR图像目标识别
特征提取
核的奇异值分解
主成分分析
最近邻分类器
Keywords
computer application
synthetic aperture radar (SAR) image target recognition
feature extraction
kernel singular value decomposition (KSVD)
principal component analysis (PCA)
nearest neighbor classifier
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
一种改进的远距离视频图像性别辨识方法
被引量:
5
2
作者
宋大伟
机构
潍坊工程职业学院
出处
《科技通报》
北大核心
2013年第8期121-123,共3页
文摘
针对远距离视频图像性别辨识的不准确性,提出一种基于核的奇异值分解(Kernel SingularValue Decomposition,KSVD)和线性判别分析(Linear Discriminant Analysis,LDA)相结合(KSVD+LDA)的性别识别方法。首先,利用核的奇异值分解方法得到图像的有效代数特征;其次,进一步经过线性判别分析得到图像的最佳分类特征;最后,结合简单、快速的最近邻分类器(Nearest Neighbor Classification,NNC)完成对性别的识别。在ORL(Olivetti Research Laboratory)人脸库上的实验结果表明,本文提出的KSVD+LDA方法与奇异值分解(Singular Value Decomposition,SVD),和KSVD方法相比,能获得较高的正确识别率。
关键词
性别识别
核的奇异值分解
线性判别分析
特征提取
最近邻分类器
Keywords
gender recognition
kernel singular value decomposition (KSVD)
linear discriminant analysis (L1)A)
featureextraction
nearest neighbor classifier (NNC)
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于KSVD和PCA的SAR图像目标特征提取
李映
龚红丽
梁佳熙
张艳宁
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2010
8
下载PDF
职称材料
2
一种改进的远距离视频图像性别辨识方法
宋大伟
《科技通报》
北大核心
2013
5
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部