基于张量子空间的图像特征提取方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·基于矢量子空间学习的特征提取 | 第8-9页 |
| ·基于张量子空间学习的特征提取 | 第9-10页 |
| ·论文主要工作及章节安排 | 第10-11页 |
| 第二章 基于图像对角化的子空间特征提取 | 第11-25页 |
| ·引言 | 第11页 |
| ·经典线性特征提取方法 | 第11-14页 |
| ·主元素分析 | 第11-12页 |
| ·线性判别分析 | 第12-13页 |
| ·局部保持投影 | 第13-14页 |
| ·基于对角化图像的特征提取 | 第14-16页 |
| ·对角化主元素分析 | 第15-16页 |
| ·对角化线性判别分析 | 第16页 |
| ·对角化局部保持投影 | 第16页 |
| ·基于对称信息矩阵的特征提取 | 第16-18页 |
| ·实验结果与分析 | 第18-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于最大边缘准则的二维子空间学习 | 第25-51页 |
| ·引言 | 第25页 |
| ·最大边缘准则 | 第25-26页 |
| ·基于最大边缘准则的二维移位判别分析 | 第26-37页 |
| ·LDA 和 2DLDA 散布矩阵分析 | 第27-28页 |
| ·二维移位判别分析（2DSDA） | 第28-29页 |
| ·最大边缘二维移位判别分析（2DSDA-MMC） | 第29-30页 |
| ·实验结果与分析 | 第30-37页 |
| ·基于最大边缘准则的变形判别分析 | 第37-46页 |
| ·变形判别分析（TransDA） | 第38-39页 |
| ·最大边缘变形判别分析（TransDA-MMC） | 第39-41页 |
| ·实验结果与分析 | 第41-46页 |
| ·变形局部保持投影 | 第46-50页 |
| ·变形局部保持投影（TransLPP） | 第46-47页 |
| ·实验结果与分析 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 基于张量子空间的特征提取 | 第51-63页 |
| ·引言 | 第51页 |
| ·经典的张量子空间特征提取方法 | 第51-55页 |
| ·张量的数学概念 | 第51-52页 |
| ·多线性主元素分析 | 第52-54页 |
| ·多线性判别分析 | 第54-55页 |
| ·基于张量子空间的变形判别分析 | 第55-57页 |
| ·实验结果与分析 | 第57-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| ·全文总结 | 第63-64页 |
| ·工作展望 | 第64-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 作者在读期间的研究成果 | 第72-73页 |
