Методы двумерной проекции цифровых изображений в собственные подпространства: особенности реализации и применение

Standard

Методы двумерной проекции цифровых изображений в собственные подпространства: особенности реализации и применение. / Кухарев, Георгий А.; Щеголева, Надежда Львовна.

в: Computer Optics, Том 42, № 4, 2018, стр. 637-656.

Результаты исследований: Научные публикации в периодических изданиях › статья › Рецензирование

BibTeX

@article{b9d2da2715754fe391d92750c5a0f354,

title = "Методы двумерной проекции цифровых изображений в собственные подпространства: особенности реализации и применение",

abstract = "Представлены алгоритмы двумерного анализа главных компонент (Two-dimensional Principal Component Analysis – 2D PCA), ориентированные на обработку цифровых изображений больших размеров в условиях малой выборки. Алгоритмы основаны на прямом вычислении двух матриц ковариации по всем исходным изображениям без их преобразования в векторы. Результат анализа – нахождение главных компонент для строк и столбцов исходных изображений и построение соответствующих им матриц двумерной проекции. Обсуждаются два способа выполнения 2D PCA, соответствующие параллельной и каскадной формам его реализации. Оценены характеристики представленных алгоритмов.",

keywords = "анализ главных компонент, распознавание изображений лиц",

author = "Кухарев, {Георгий А.} and Щеголева, {Надежда Львовна}",

year = "2018",

language = "русский",

volume = "42",

pages = "637--656",

journal = "Computer Optics",

issn = "0134-2452",

publisher = "Institution of Russian Academy of Sciences, Image Processing Systems Institute of RAS",

number = "4",

}

RIS

TY - JOUR

T1 - Методы двумерной проекции цифровых изображений в собственные подпространства: особенности реализации и применение

AU - Кухарев, Георгий А.

AU - Щеголева, Надежда Львовна

PY - 2018

Y1 - 2018

N2 - Представлены алгоритмы двумерного анализа главных компонент (Two-dimensional Principal Component Analysis – 2D PCA), ориентированные на обработку цифровых изображений больших размеров в условиях малой выборки. Алгоритмы основаны на прямом вычислении двух матриц ковариации по всем исходным изображениям без их преобразования в векторы. Результат анализа – нахождение главных компонент для строк и столбцов исходных изображений и построение соответствующих им матриц двумерной проекции. Обсуждаются два способа выполнения 2D PCA, соответствующие параллельной и каскадной формам его реализации. Оценены характеристики представленных алгоритмов.

AB - Представлены алгоритмы двумерного анализа главных компонент (Two-dimensional Principal Component Analysis – 2D PCA), ориентированные на обработку цифровых изображений больших размеров в условиях малой выборки. Алгоритмы основаны на прямом вычислении двух матриц ковариации по всем исходным изображениям без их преобразования в векторы. Результат анализа – нахождение главных компонент для строк и столбцов исходных изображений и построение соответствующих им матриц двумерной проекции. Обсуждаются два способа выполнения 2D PCA, соответствующие параллельной и каскадной формам его реализации. Оценены характеристики представленных алгоритмов.

KW - анализ главных компонент, распознавание изображений лиц

UR - https://elibrary.ru/item.asp?id=36295614

UR - http://computeroptics.ru/KO/PDF/KO42-4/420413.pdf

M3 - статья

VL - 42

SP - 637

EP - 656

JO - Computer Optics

JF - Computer Optics

SN - 0134-2452

IS - 4

ER -

ID: 49507029