摘要:本文主要概述了图像特征提取的现状及各种特征提取方法的特点，了解和掌握独立成分分析方法的背景、意义和基本理论，选择几种目标图像，利用ICA方法实现对图像的降维处理，抽取图像在形状、纹理、颜色三个方面具有代表性的特征，在图像特征提取任务中运用这些特征，通过融合，将其合成一个独立的特征，并运用到特征提取中。利用独立成分分析方法对图像分别进行处理，提取图像的特征，并通过实例验证，分析研究其特点，并与主成分分析法、奇异值分解法的特征提取结果进行对比。
关键词： 独立成分分析 特征提取 FastICA算法 降维
目录
摘要
Abstract
引言
1 绪论-2
1.1 问题的提出及研究意义-2
1.2 国内外研究现状-3
1.2.1 图像特征提取的国内外研究现状-3
1.2.2 特征的表达与提取-4
1.2.3 独立成分分析现状-5
1.3 本文的主要工作和章节安排-6
2 独立成分分析理论及算法-7
2.1 独立成分分析理论-7
2.2 独立成分分析算法实现-7
2.2.1 ICA原理-7
2.2.2 白化预处理-8
2.2.3 独立性与非高斯性的等价-8
2.2.4 FastICA算法原理-9
3 图像特征提取-11
3.1 颜色特征-11
3.2 纹理特征-12
3.3 形状特征-12
4 ICA在图像特征提取中的应用-14
4.1基于ICA的图像颜色特征、纹理特征、形状特征的降维-14
4.2 ICA特征向量提取-17
4.3 ICA、PCA、SVD基向量对比-22
5 程序代码-25
5.1 ICA方法提取图像特征代码-25
5.2 ICA方法提取图像颜色特征代码-26
5.3 ICA方法提取图像形状特征代码-28
5.4 ICA方法提取图像纹理特征代码-30
5.5 ICA方法提取图像融合特征代码-31
5.6 PCA方法提取图像特征代码-33
5.7 SVD方法提取图像特征代码-35
结论
致谢
参考文献
