项目名称: 张量的高阶奇异值分解基础理论研究及其应用
项目编号: No.61172123
项目类型: 面上项目
立项/批准年度: 2012
项目学科: 无线电电子学、电信技术
项目作者: 梁军利
作者单位: 西安理工大学
项目金额: 60万元
中文摘要: 本项目主要研究张量(tensor)的高阶奇异值分解(HOSVD)基础理论及其在阵列信号处理、图像处理及识别中的应用。HOSVD为张量提供了:(1)完备单位正交秩1张量表示方法;(2)数据驱动的内在特性有效分析工具。现有的截断HOSVD无法实现张量在HOSVD框架下的最优低秩近似,另外张量核元素的特性尚未深度挖掘,这些均限制了HOSVD进一步的发展和应用。为此,本项目旨在完善和发展张量在HOSVD框架下的最优低秩近似理论和方法,并挖掘张量核元素的特性。在此基础上,提出基于张量子空间的阵列信号多参数联合估计新算法;此外,对图像数据构造张量模型,提出基于张量HOSVD的彩色图像水印新算法、彩色图像压缩新算法、图像融合新算法以及人脸图像识别新算法。这些理论的完善以及算法的提出将为HOSVD进一步的发展以及在涉及张量低秩近似的雷达、图像通信、遥感遥测等领域内的应用提供重要的理论依据和技术支撑。
中文关键词: 张量;高阶奇异值分解;低秩近似;降维;图像融合
英文摘要:
英文关键词: Tensor;HIgher order singular value decomposition;Low rank approximation;Dimensionality reduction;Image fusion