搜索结果: 1-12 共查到“计算机应用 PCA”相关记录12条 . 查询时间(0.109 秒)
基于PCA和自适应区域方差的图像融合方法
图像融合 提升小波 主元分析 局部区域方差
2010/8/24
在对源图像进行提升小波变换的基础上，针对分解得到的低频分量和高频分量各自的特点，选取不同的融合规则，采用基于PCA和自适应区域方差的图像融合方法，即低频近似系数采用基于主元分析(PCA)加权法，高频细节系数采用自适应局部区域方差的融合方法，最后进行提升小波逆变换得到融合图像。实验结果表明，与传统算法相比，该算法不仅提高了信息量和清晰度，而且提高了融合图像与源图像的相关系数，降低了扭曲程度，有效地保...
为了对坐姿下的几种行为进行识别，在分析常有坐姿的基础上，提出了通过PCA对八种不同姿势进行分类识别的方法。结合背景帧信息通过背景轮廓消减法提取运动目标区域，利用肤色在YCbCr空间聚集在一片固定区域且在CbCr平面上投影为一个近似椭圆的特性，在运动目标区域提取肤色区域，并对检测出的肤色灰度图进行PCA运算，实现了姿势识别。实验结果表明，所提出的利用PCA进行姿势识别的方法正确率达到84.92%，能...
PCA与KNN在胎心率与宫缩描记图分类中的研究
主成分分析 K近邻分类 胎心率与宫缩描记图
2010/3/15
提出了基于主成分分析（Principal Component Analysis，PCA）的K近邻（K Nearest Neighbor，KNN）分类原理，并将其应用于胎心率与宫缩描记图分类。主要思想是：对训练样本和测试样本进行降维，并对降维后的测试样本使用KNN分类技术分类。选择2 120组胎心率与宫缩描记图数据，使用该方法进行分类测试。实验结果表明，使用该类模型，分类结果稳定，分类准确率高，并且...
局部PCA参数约束的Hough多椭圆分层检测算法
局部主成分分析 曲线拟合 霍夫变换
2009/9/18
针对随机Hough变换(RHT)在复杂图像中检测圆及椭圆时随机采样所造成的大量无效采样、无效累积以及运算时间长等问题，提出基于局部PCA感兴趣参数约束Hough多椭圆分层检测思路。首先利用边缘检测算子获得边缘信息并去除边缘交叉点，在边缘图像中标记并提取出满足一定长度的连续曲线段；其次利用线段PCA方向分析确定是否属于有效曲线段；然后，对所有感兴趣曲线段按照标记顺序依次利用椭圆拟合办法初步得到感兴趣...
基于PCA矢量形态学的彩色图像分割方法
主量成分分析 矢量排序 彩色形态算子
2009/8/20
基于HSV彩色模型，提出一种基于主量成分分析的矢量排序新方法。将彩色图像描述为矢量空间，则像素点作为矢量处理，根据相应彩色矢量对主量轴的投影值进行排序。采用这种统计特征排序方案，定义新的上下确界与彩色形态算子，将其应用于彩色图像分割，能得到与视觉判断相一致的分割结果。实验表明，该算法具有出色的矢量保持能力，与标准的彩色形态学算子相比，显示了更优的分割性能与较好鲁棒性能。
基于小波变换和PCA的SAR图像相干斑抑制
主分量分析 相干斑抑制 小波变换
2009/8/6
提出一种SAR图像相干斑噪声抑制新的滤波方法。该方法利用小波变换结合主分量分析(PCA)对SAR图像进行去噪。小波变换可以很好地保持边缘细节信息，主分量分析(PCA)能从混合信号中提取出主分量即信号的主要特征，将小波变换结合PCA用于图像处理，能在有效消除噪声的同时保持边缘信息。与Kirsch模板加权平滑滤波和结合小波变换的Kirsch模板加权平滑滤波去噪方法进行比较，实验结果表明，该方法具有良好...
分块PCA与最大散度差鉴别分析结合的人脸识别
分块PCA 最大散度差鉴别分析 人脸识别
2009/7/22
提出了一种将分块PCA与最大散度差鉴别分析相结合的人脸识别方法。该方法是先对原始的人脸图像进行分块，然后对分块得到的子图像矩阵采用PCA方法进行特征抽取，从而把原始模式从高维空间映射到较低维空间。接下来再对新模式采用最大散度差线性鉴别分析，这样就避免了对新模式的类内散布矩阵非奇异的要求。在ORL人脸库和Yale人脸库上分别检验了分块PCA与最大散度差鉴别分析相结合的人脸识别方法的识别性能，实验结果...
基于核函数的PCA在QAR数据分析中的应用
核函数 核主成分分析 协方差矩阵
2009/7/17
分析了传统的主成分分析方法的不足，论述了KPCA方法及其时间复杂度高的缺陷。在此基础上，提出基于核函数构造的协方差矩阵的主成分分析，相比 KPCA，该方法具有快的降维速度。实验结果显示：把该方法用于QAR数据具有良好的降维效果和高分类正确率。
基于混合概率PCA模型高光谱图像本征维数确定
降维 混合最小描述长度准则 期望最大化算法
2009/4/10
如何有效实现降维是现代成像光谱仪辨识地物类别的一个难点所在。该文在已知高光谱图像地物类别数的情况下，提出了一种采用混合最小描述长度(MMDL)模型选择准则确定高光谱图像本征维数的方法。该方法在期望最大化算法框架下同时实现混合PPCA降维和聚类，并根据MMDL准则确定数据降维维数，可以得到数据在概率意义下的精确的降维表征。仿真数据和真实数据进行的比较实验表明，该方法能精确地选择数据的本征维数。
文本无关说话人识别中一种改进的模型PCA变换方法
话者识别 PCA 模型PCA 解相关
2008/6/2
对于采用高斯混合模型(GMM)的与文本无关的说话人识别，出于模型参数数量和计算量的考虑 GMM的协方差矩阵通常取为对角矩阵形式，并假设观察矢量各维之间是不相关的。然而，这种假设在大多情况下是不成立的。为了使观察矢量空间适合于采用对角协方差的GMM进行拟合，通常采用对参数空间或模型空间进行解相关变换。该文提出了一种改进模型空间解相关的PCA方法，通过直接对GMM的各高斯成分的协方差进行主成分分析，使...
基于Contourlet的图像PCA去噪方法
图像 Contourlet
2008/3/11
提出了一种通过主分量分析（PCA）对Contourlet域中噪声能量的估计来实现去噪的新方法。Contourlet变换是一种结合多分辨率分析和方向性滤波的小波变换，它除了具有一般小波变换的多尺度、时频局域性外，还具有多方向性、各向异性等特征。因此，Contourlet能有效地捕获到自然图像中的轮廓，并对其进行稀疏表示。目前使用的小波去噪方法基本上都是建立在对噪声方差估计的基础上，而在Contour...