基于加权高阶奇异值分解的支持张量机图像分类

作者： 刘亚楠 [1,2] ; 涂铮铮 [1] ; 罗斌 [1]

摘要：为了有效提高图像分类的准确率,充分利用图像本身的结构信息并压缩图像数据,首先构造三阶图像特征张量,利用非负矩阵分解（NMF）在张量子空间降维,提出了一种基于二维主成分分析（2DPCA）来得到NMF初始点的方法,保证了图像信息的有效利用.然后,为了保持降维后的张量子空间所在的流形空间的本征结构,根据图像类标构造权值矩阵,并把图像集合构造成四阶张量实现图像的分类.通过对两个图像数据库的实验,表明该方法能有效提升图像分类的准确率.

关键字： 高阶奇异值分解 非负矩阵分解 支持张量机 二维主成分分析

---

上一篇：基于高速FFT结构的频域抗干扰算法的FPGA实现
下一篇：SAR图像分割的G^0A统计模型-水平集方法