摘要:主成分分析法(PCA)是一种多元统计方法,PCA通过将多个变量通过线性变换以选出较少的、较重要的变量。它往往可以有效地从大量的的数据信息中获取最重要的信息,去除数据的噪音和冗余,将原来复杂的数据维数投影到低维空间进行降维,揭示隐藏在复杂数据背后的简单结构。随着时代的发展,PCA方法被广泛地运用于图像处理方面。
文章介绍了主成分分析法,并对其在图像处理中关于噪声图像去噪、降维的方法进行了阐述,对研究现状进行了介绍,利用PCA方法对图像进行了图像特征提取,用奇异值分解算法对图像进行了压缩的实现并且分析了压缩效果,将奇异值分解法和特征值分解法进行了对比,总结了PCA在图像处理中的应用。
关键词: 主成分分析 图像压缩 特征提取
目录
摘要
Abstract
1主成分分析法的研究目的及意义-1
2主成分分析法的原理-2
2.1主成分的概念-2
2.2 主成分分析法-2
2.2.1 主成分分析法的数学依据-2
2.2.2 主成分分析法的特性-3
2.2.3 协方差-3
2.2.4 PCA降维的计算过程-4
3 主成分分析在图像处理中的应用-4
3.1 PCA图像去噪-4
3.1.1 基于PCA的图像去噪方法-4
3.1.2 非局部主成分分析的极大似然估计图像去噪-5
3.2 基于主成分分析的图像特征提取-6
3.2.1 图像特征提取的定义-6
3.2.2 特征值的概念-6
3.2.3 线性变换-6
3.2.4 PCA特征值提取的原理-8
3.2.5 PCA协方差矩阵与图像特征-8
3.2.6 PCA图像特征提取的实现-8
3.3 基于主成分分析的图像压缩-10
3.3.1 图像压缩的定义-10
3.3.2 PCA图像压缩的计算过程-10
3.3.3 基于奇异值分解(svd)的图像压缩-10
3.3.4 奇异值分解定理-11
3.3.5 svd压缩过程实现-11
3.4 奇异值分解法压缩和特征值分解法压缩对比-15
4 PCA在图像处理中的应用总结-16
4.1 PCA在图像处理中的应用特点总结-16
结论-21
致谢-22
参考文献-23