降维（Dimensionality Reduction）算法-图像处理

摘要：

主要介绍了什么是降维（Dimensionality Reduction）算法，及其中的PCA（Principal Component Analysis）算法。及在图像预处理中的应用。

一：什么是降维(Dimensionality Reduction)(DR)算法

降维(Dimensionality Reduction)是在程序进行特征学习之前，为了提高特征学习的准确性和减小训练时间，而进行的预处理，减小冗余数据，和无关，噪声数据。

最常见的降维（Dimensionality Reduction）技术之一就是主成分分析 PCA（Principal Component Analysis）。它是在1901年由英国的 Karl Pearson 提出的。

二：PCA（Principal Component Analysis）算法

PCA（Principal Component Analysis）算法是基于变量协方差矩阵对信息进行压缩和处理，通常用于数据降维。可以将它用作图像矩阵降维，然后再在降维的基础上提取图像特征。

PCA（Principal Component Analysis）算法的基本过程：读入要进行降维处理的矩阵数据，然后计算矩阵数据的协方差，计算已经进行协方差处理的矩阵的特征向量和特征值，将特征向量进行排序，然后取你所需要的前n位特征向量，让后将这n个特征向量构建新空间。

三：PCA（Principal Component Analysis）算法在图片处理中的应用

PCA（Principal Component Analysis）算法可以作为图像处理的预处理。图像进行 PCA（Principal Component Analysis）降维处理之后，可以更有效的提取图像的明显特征，为后期的图片进一步加工做准备。

在python模块中，提供了mlpy模块，可以直接调用降维算法 PCA（Principal Component Analysis），对图片进行处理。

当然，还有很多其它的模块，比方说opencv模块等。都可以直接调用降维算法 PCA （Principal Component Analysis）。

参考目录：

1.IBM官网关于 PCA（Principal Component Analysis）文章的网址

https://www.ibm.com/topics/principal-component-analysis

2.《Principal Component Analysis》

http://www.stats.org.uk/pca/

3. A Review of Dimensionality Reduction Techniques for Efficient Computation

https://www.sciencedirect.com/science/article/pii/S1877050920300879

4.python的mlpy模块网址

https://mlpy.sourceforge.net/

修改记录

2024-04-27  8:18	首次编辑

以上内容仅供参考，如有不对，欢迎指正。