【摘要】：為了更好地理解圖像序列的隱藏深度信息,需要分析數(shù)據(jù)的隱藏結構。目前,多采用譜流形學習算法學習高維采樣數(shù)據(jù)的低維嵌入坐標,從而獲取數(shù)據(jù)的隱藏結構。譜流形學習算法一般是基于所研究的高維數(shù)據(jù)分布在單個流形上的前提假設,并不支持圖像序列中存在的多流形結構。結合圖像序列的結構特點,提出了一種針對圖像序列的譜深度學習算法(spectral deep learning,SDL)。通過建立混合多流形模型,保持流形局部變化的平滑和連續(xù),利用流形對齊建立層次流形的映射關系,得到圖像序列的深度低維嵌入坐標。最后通過實驗證明了算法在混合多流形數(shù)據(jù)集和圖像序列數(shù)據(jù)集上的有效性。
[Abstract]:In order to better understand the hidden depth information of the image sequence, it is necessary to analyze the hidden structure of the data. At present, spectral manifold learning algorithm is often used to learn the low-dimensional embedded coordinates of high-dimensional sampled data, so as to obtain the hidden structure of the data. The spectral manifold learning algorithm is usually based on the assumption that the high-dimensional data are distributed on a single manifold and does not support the multi-manifold structure in the image sequence. Based on the structural characteristics of image sequences, a spectral depth learning algorithm (spectral deep learning,SDL) for image sequences is proposed. By building a hybrid multi-manifold model to keep the local variation of the manifold smooth and continuous, the mapping relation of the hierarchical manifold is established by using the manifold alignment, and the low-dimensional embedded coordinates of the image sequence are obtained. Finally, the effectiveness of the algorithm on hybrid multi-manifold data sets and image sequence data sets is proved by experiments.
【作者單位】： 蘇州大學計算機科學與技術學院;
【基金】：國家自然科學基金Nos.61033013,60775045~~
【分類號】：TP391.41

【參考文獻】

相關期刊論文 前5條

1 彭博;楊先鳳;;超聲圖像序列運動估計相似度函數(shù)研究[J];計算機仿真;2012年09期

2 陳紹榮;王宏強;黎湘;凌永順;;基于流形學習的視頻序列行為分層算法[J];計算機仿真;2011年12期

3 徐蓉;姜峰;姚鴻勛;;流形學習概述[J];智能系統(tǒng)學報;2006年01期

4 鄧家先,吳成柯,李云松,莊懷宇;干涉多光譜衛(wèi)星圖像序列編碼[J];光學學報;2004年11期

5 張振躍,查宏遠;Principal Manifolds and Nonlinear Dimensionality Reduction via Tangent Space Alignment[J];Journal of Shanghai University;2004年04期

【共引文獻】

相關期刊論文 前10條

1 李冰鋒;唐延東;韓志;;幾何結構保持非負矩陣分解的數(shù)據(jù)表達方法[J];信息與控制;2017年01期

2 佘博;田福慶;湯健;李克玉;;基于自適應LTSA算法的滾動軸承故障診斷[J];華中科技大學學報(自然科學版);2017年01期

3 張文清;何清波;丁曉喜;韓杰;謝明偉;;基于時域流形稀疏重構方法的滾動軸承故障特征增強研究[J];振動與沖擊;2016年24期

4 石陸魁;周浩;劉文浩;;基于流形學習的路面破損圖像多特征融合與可視化[J];公路交通科技;2016年11期

5 蘇祖強;蕭紅;張毅;羅久飛;;基于小波包分解與主流形識別的非線性降噪[J];儀器儀表學報;2016年09期

6 黃曉冬;孫亮;;基于魯棒的余弦-歐氏距離度量降維的圖像檢索方法[J];計算機應用;2016年08期

7 王江萍;崔錦;;基于改進LLE算法的機械故障特征壓縮與診斷[J];科學技術與工程;2016年13期

8 梁禮明;吳武林;吳健;;正交局部保持投影早期故障特征提取方法[J];機械設計與研究;2016年02期

9 尹宏偉;李凡長;;針對圖像序列的譜深度學習算法[J];計算機科學與探索;2017年03期

10 劉大琨;譚曉陽;;基于流形的約束局部模型擬合[J];山東大學學報(工學版);2016年03期

【二級參考文獻】

相關期刊論文 前10條

1 徐光yP;曹媛媛;;動作識別與行為理解綜述[J];中國圖象圖形學報;2009年02期

2 孫劍;李克平;;行人運動建模及仿真研究綜述[J];計算機仿真;2008年12期

3 宋欣;葉世偉;;基于局部線性逼近的流形學習算法[J];計算機仿真;2008年07期

4 黃新生;楊慶偉;王亦平;岳冬雪;;圖像序列運動估計技術綜述[J];計算機仿真;2008年05期

5 杜友田;陳峰;徐文立;李永彬;;基于視覺的人的運動識別綜述[J];電子學報;2007年01期

6 何力;張軍平;周志華;;基于放大因子和延伸方向研究流形學習算法[J];計算機學報;2005年12期

7 楊劍,李伏欣,王玨;一種改進的局部切空間排列算法[J];軟件學報;2005年09期

8 詹德川,周志華;基于集成的流形學習可視化[J];計算機研究與發(fā)展;2005年09期

9 趙連偉,羅四維,趙艷敞,劉蘊輝;高維數(shù)據(jù)流形的低維嵌入及嵌入維數(shù)研究[J];軟件學報;2005年08期

10 翁時鋒,張長水,張學工;非線性降維在高維醫(yī)學數(shù)據(jù)處理中的應用[J];清華大學學報(自然科學版);2004年04期

【相似文獻】

相關期刊論文 前10條

1 汪亞明;基于計算機圖像序列的人體步態(tài)參數(shù)的快速獲取方法[J];電子技術應用;2000年08期

2 汪亞明,汪元美,樓正國;單目人體圖像序列的運動及結構參數(shù)估計[J];軟件學報;2001年11期

3 鐘偉,余松煜,芮雨;圖像序列處理中的形態(tài)分割方法[J];上海交通大學學報;2001年09期

4 汪亞明,趙勻;基于動態(tài)圖像序列的下肢運動參數(shù)測量[J];計算機自動測量與控制;2002年09期

5 曹立;基于模型的運動表示用于圖像序列的處理[J];計算機工程與應用;2003年27期

6 成衛(wèi);茍光磊;閆河;;一種實現(xiàn)醫(yī)學數(shù)字圖像序列高速存取的實用方法[J];重慶工學院學報;2005年11期

7 任勇,成衛(wèi);醫(yī)學數(shù)字圖像序列高速存取的實用方法[J];重慶大學學報(自然科學版);2005年03期

8 雷曉春;江澤濤;趙榮椿;黎明;馬萬里;;基于圖像序列的射影重構[J];計算機應用研究;2007年02期

9 張愛華;王亮;;基于時變圖像序列的脈搏信息提取[J];儀器儀表學報;2007年05期

10 鄒謀炎;劉艷;曹瑛;盧曉鵬;杜坤;;一種新的圖像序列失真模型:動態(tài)偏移場模型[J];電子與信息學報;2008年09期

相關會議論文 前10條

1 徐晗路;李曉峰;;基于圖像序列中微弱運動目標的檢測[A];2008年中國西部青年通信學術會議論文集[C];2008年

2 李林;紀仲秋;;如何消除運動圖像序列的上下抖動[A];第十六屆全國運動生物力學學術交流大會（CABS 2013）論文集[C];2013年

3 姜翰青;章國鋒;董子龍;華煒;劉新國;鮑虎軍;;基于圖像序列的交互式快速建模系統(tǒng)[A];中國計算機圖形學進展2008--第七屆中國計算機圖形學大會論文集[C];2008年

4 魏交統(tǒng);陳平;潘晉孝;;一種變能量DR圖像序列融合的圖像選擇方法[A];第十三屆中國體視學與圖像分析學術會議論文集[C];2013年

5 潘永泉;;基于神經(jīng)網(wǎng)絡的圖像序列參數(shù)估計方法[A];1994中國控制與決策學術年會論文集[C];1994年

6 謝志宏;魏磊;孟祥偉;汪熙;;一種基于圖像序列的結構化道路識別算法[A];第六屆全國信號和智能信息處理與應用學術會議論文集[C];2012年

7 于俊偉;薛文芳;常紅星;;基于計算機視覺的航天器圖像序列仿真[A];'2006系統(tǒng)仿真技術及其應用學術交流會論文集[C];2006年

8 侯志強;張群;;圖像序列分析中一種有效的背景重構算法[A];第六屆全國信息獲取與處理學術會議論文集（1）[C];2008年

9 陳曦;韓金芬;劉紹從;尚為;張少茹;;基于運動圖像序列的煙花爆竹炸點目標飛行的檢測[A];2006中國控制與決策學術年會論文集[C];2006年

10 趙榮椿;王兵;蔣曉悅;;基于圖像序列的運動估計[A];全國第一屆嵌入式技術聯(lián)合學術會議論文集[C];2006年

相關博士學位論文 前10條

1 魏交統(tǒng);基于變電壓圖像序列盲分離的X射線多譜CT成像[D];中北大學;2016年

2 周寧;復雜圖像序列中微弱運動目標檢測技術研究[D];電子科技大學;2009年

3 賀禮;聯(lián)合彈性特性的乳腺超聲圖像序列診斷分析[D];中國科學技術大學;2009年

4 陳昌紅;動態(tài)圖像序列建模與分類及其在人體運動分析中的應用[D];西安電子科技大學;2009年

5 孫春鳳;基于并行處理的高速圖像序列運動目標檢測技術研究[D];哈爾濱工業(yè)大學;2011年

6 李謙;基于低秩稀疏的圖像序列增強技術研究[D];中國科學技術大學;2015年

7 吳婧;桌面圖像序列編碼方法的研究[D];浙江大學;2009年

8 李鵬;低幀頻圖像序列目標提取關鍵技術研究[D];國防科學技術大學;2012年

9 潘寧;膠囊內(nèi)鏡圖像序列冗余數(shù)據(jù)篩查方法研究[D];華中科技大學;2013年

10 鄭世友;動態(tài)場景圖像序列中運動目標檢測與跟蹤[D];東南大學;2006年

相關碩士學位論文 前10條

1 李聰;圖像序列三維重建方法研究與實現(xiàn)[D];清華大學;2014年

2 胡曉星;基于圖像序列的中國古建筑快速三維重建[D];西安工業(yè)大學;2015年

3 張宇哲;基于圖像序列的生理信號檢測[D];北京理工大學;2015年

4 毛海群;基于IVUS圖像序列的關鍵幀提取及臨床應用研究[D];南方醫(yī)科大學;2015年

5 周東;一種基于圖像序列的自動化3D模型重建系統(tǒng)[D];哈爾濱工業(yè)大學;2016年

6 吳冬暉;基于圖像序列的融合方法研究[D];南昌航空大學;2015年

7 闞保柱;基于RTCam高精度s因子求解的研究[D];西安電子科技大學;2014年

8 廖謙;極光圖像序列事件檢測研究[D];西安電子科技大學;2014年

9 鄭煥彰;醫(yī)學圖像序列中腹腔主動脈瘤分割研究[D];浙江工業(yè)大學;2015年

10 王立欣;血管內(nèi)超聲圖像序列自動檢索系統(tǒng)的設計與實現(xiàn)[D];華北電力大學;2015年

，

本文編號：2449332