应用于水下生物识别的联合范数主成分分析算法

作     者：张浣星 王肖锋 武刚 ZHANG Huanxing;WANG Xiaofeng;WU Gang

作者机构：天津市先进机电系统设计与智能控制重点实验室天津理工大学天津300384 机电工程国家级实验教学示范中心天津理工大学天津300384 

基　　金：国家重点研发计划(2018AA0103004) 天津市科技计划重大专项(20YFZCGX00550)资助项目 

出 版 物：《光电子．激光》 (Journal of Optoelectronics·Laser)

年 卷 期：2022年第33卷第10期

页      码：1067-1074页

摘      要：针对F范数对离群数据较为敏感,而L1范数能降低离群数据的影响,但无法有效控制重构误差的问题,本文将L1范数与F范数同时作为目标函数的距离度量方式,提出了二维主成分分析(two-dimensional principle component analysis,2DPCA)联合算法2DPCA-F-L1,并给出了其非贪婪求解方法。该算法确保了对图像的分类能力,同时也降低了图像重构时的平均重构误差。本文将提出的2DPCA-F-L1算法在应用于水下生物图像识别时,可以抑制水下光学影像存在的噪声干扰。实验证明,该算法能够精确地识别水下生物的种类,并且在图像重构时相较于其他主成分分析(principle component analysis,PCA)算法具有更优的鲁棒性。

主 题 词：主成分分析(PCA) 生物识别 图像识别 鲁棒性 联合范数 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.16136/j.joel.2022.10.0418

馆 藏 号：203114655...