数据场典型相关分析及其在图像分割中的应用
针对数据场环境下多维数据的低维特征提取问题,本文将数据之间的相互作用纳入其相关性求解中,提出一种基于数据场的典型相关分析(Data field based canonical correlation analysis, DFCCA)方法。 DFCCA提取的特征具有良好的分布特性,原空间上相隔较远的数据点对的特征聚集在一个较小区域内,而相邻数据点对的特征却有规律地分布在其他点所聚集区域的周围。此特性使得DFCCA具有较好的边界辨识能力,将其应用于图像分割的实验结果表明, DFCCA提取的复杂图像边界具有较好的保真度。
典型相关分析、数据场、特征提取、图像分割
U49;TN9
国家自然科学基金61370083,61073043,61073041,61402126;高等学校博士学科点专项科研基金20112304110011,20122304110012资助Supported by National Natural Science Foundation of China61370083,61073043,61073041,61402126;Research Fund for the Doctoral Program of Higher Education of China20112304110011,20122304110012
2015-05-18(万方平台首次上网日期,不代表论文的发表时间)
共13页
772-784