基于高阶统计量的DAISY特征向量降维

• 作者: 段嘉旭 王泽勇 秦楚越 高晓蓉
• 来源期刊: 通信技术
• 学科: 物理学
• 关键词: DAISY描述向量 高阶统计量 双谱分析 特征向量降维
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 信息处理与传输
• 页码范围: 1664-1669
• 页数: 6页
• 分类号: O426
• 字数: 2289字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2017.08.013

摘要

采用DAISY算子描述特征点时,每个特征点会生成一个1×200维度的特征向量.维度较高的特征向量会对后续的工作如特征点匹配等,带来非常大的计算量,严重影响算法的效率.因此,需要采取一定的方法降低特征向量的维度.因此,提出了一种基于三阶统计量的方法.这种方法可以通过提取原始向量中的主成分来降低维度.数值实验中证明,相对于经典的PCA降维算法,所提算法在提取主成分方面有更好的效果,同时可将向量的维数降到更低水平,大大提高了算法效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高晓蓉	西南交通大学物理学院光电工程研究所	220	1956	23.0	34.0
2	王泽勇	西南交通大学物理学院光电工程研究所	141	1489	20.0	32.0
3	段嘉旭	西南交通大学物理学院光电工程研究所	3	9	2.0	3.0
4	秦楚越	西南交通大学物理学院光电工程研究所	1	2	1.0	1.0