基于张量特征值分析的特征表示及典型应用-电子与通信工程专业论文.docxVIP

学校代码 分 类 号  10701 TN82 学 号 1201120513 密 级 公开 TN82西安电子科技大学 TN82 硕士学位论文 基于张量特征值分析的特征表示及典型应用 作者姓名：李鹏程 领 域：电子与通信工程 学位类别： 工程硕士 学校导师姓名、职称： 杨克虎 教授 企业导师姓名、职称： 保 谦 高工 提交日期： 2015 年 3 月 Feature representation and Typical applications based on the tensor eigenvalue analysis A thesis submitted to XIDIAN UNIVERSITY in partial fulfillment of the requirements for the degree of Master of Philosophy By Pengcheng Li (Electronics and Communication Engineering) Supervisor:Kehu Yang Qian Bao March 2015 西安电子科技大学 学位论文独创性（或创新性）声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下 进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容 以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学 或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献 均已在论文中做了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切的法律责任。 本人签名： 日 期： 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保 留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内 容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后 结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。 （保密的论文在解密后遵守此规定） 本学位论文属于保密，在 年解密后适用本授权书。 本人签名： 导师签名： 日 期： 日 期： 摘要 摘要 摘要 张量特征分析主要有两个研究方向：张量分解，张量特征值表示。张量是高 维数据的自然表示，能够保证数据的内部结构，在数据挖掘，特征提取方面有绝 对的优势。图像和视频是最常见的高维数据，如何在图像和视频的领域中应用张 量特征分析方法是人们一直关注和广泛研究的问题。本文主要完成了以下方面的 工作： （1）本文简要介绍了张量特征分析方法的两个主要方向，并详细介绍了梯度 偏度张量 D 特征值的概念以及张量的 Tucker 分解形式。 （2）由于图像在其边缘处会有较大的梯度值变化。本文利用这种偏度信息， 通过梯度偏度张量将水平，垂直方向的导数统一在梯度偏度张量这一物理量下。 通过梯度偏度张量的 D 特征值表示图像的边缘特征。通过仿真表明本文的方法能 够准确的检测出图像的边缘。 （3）类似于雷达一维距离像的概念，本文基于梯度偏度张量提出偏度一维像 的概念。 （4）根据张量紧凑表示的概念，通过张量的 Tucker 分解，本文提出了张量多 次 Tucker-ALS 算法，并将该算法具体应用到视频数据压缩中。在视频压缩算法的 具体实现过程中本文做出了改进：对每次的分解结果进行了量化，并用量化后的 数据恢复张量，进而形成差张量，再对差张量进行张量分解。通过这种方式可以 极大降低因为量化误差带来的影响；根据视频的内容，对每一个测试序列进行分 块。让数据冗余度低的分块获得更多的迭代次数，让数据冗余度高的分块减少迭 代次数；针对于 YUV 视频格式的特殊性，对 YUV 三个分量分别进行压缩。充分 利用 U,V 数据的高内聚性，降低数据量。通过对 9 组测试序列仿真，并用 BD-rate 方法比较，本文提出的张量算法相比较于 H.264 性能有所改善，尤其对于纹理类 特征明显的视频，本文提出的方法性能改善非常显著。 关键字：梯度偏度张量， 张量 D 特征值， 张量分解，偏度一维像 论文类型：应用基础技术 I II AB ABSTRACT ABSTRACT Tensor mainly has two attractive research areas: tensor decomposition and the representation of tensor eigenvalue. Tensor is a natural representation