应用于水下生物识别的联合范数主成分分析算法

Principal component analysis algorithm with joint norm for under-water biometrics recognition

张浣星 ¹王肖锋 ²武刚³

扫码查看

作者信息

1. 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
2. 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
3. 机电工程国家级实验教学示范中心,天津理工大学,天津300384
折叠

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.

关键词

主成分分析(PCA)/生物识别/图像识别/鲁棒性/联合范数

引用本文复制引用

基金项目

国家重点研发计划(2018AA0103004)

天津市科技计划重大专项(20YFZCGX00550)

出版年

2022

光电子·激光

天津理工大学中国光学学会

光电子·激光

CSCD北大核心

影响因子：1.437

ISSN：1005-0086

参考文献量6

段落导航