[計(jì)算機(jī)]紅外圖像特征提取方法研究(留存版)
【正文】 ： Moo= ∫∫f(x， y )dxdy ,一階矩 (M01， M10)用于確定圖像質(zhì)心 ( Xc， Yc)： Xc = M10/M00。 三 .圖像代數(shù)特征提取 代數(shù)特征反映的是圖像的一種內(nèi)在屬性 .從表示圖像的矩陣中提取出的特征稱為代數(shù)特征 .圖像代數(shù)特征的提取是以存儲(chǔ)圖像數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)為基礎(chǔ)，利用矩陣?yán)碚撎崛D像特征的一種方法 . 主成分分析 (PCA)、線性判據(jù)分析 (LDA)、獨(dú)立成分分析 (ICA)和奇異值分解 ( SV D)是這種方法的典型代表 . 1. PCA在數(shù)字圖像處理中也稱為 Hotelling變換，而在通信理論中稱為 K L變換 .PCA己廣泛應(yīng)用于數(shù)據(jù)壓縮、圖像處理、模式識別等領(lǐng)域 . 2. ICA最早是作為一種自源信號分離工具由 Jutten和 Herault提出的 .通過 PCA提取的圖像特征是一種全局特征，為了更好地表小圖像的特征，尤其是圖像的局部特征， Bartlett和 Sejnowski提出了用 ICA提取圖像特征，就圖像特征提取來說， ICA與 PCA相比有下列優(yōu)點(diǎn) . 1) ICA具有高階去相關(guān)特性，而 PCA只具有一階去相關(guān)特性 。 對圖像 2進(jìn)行掃描，當(dāng)遇到一個(gè)非零灰度的像素p(x,y)時(shí)，跟蹤以 p(x,y)為開始點(diǎn)的輪廓線，直到輪廓線的終點(diǎn) q(x,y)。Yc = M01/M00。 2) ICA具有比 PCA較強(qiáng)的圖像局部特征表小能力 。然后把梯度值小于 th2的像素的灰度值設(shè)為 0，得到圖像 2。若將坐標(biāo)原點(diǎn)移至 Xc和
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1