图像白化

      图像白化

白化：去除输入数据的冗余信息。

假设训练数据时图像，由于图像中相邻像素之间具有很强的相关性，所以用于训练时输入时冗余的；白化目的就是降低输入的冗余性。

输入数据集X：经过白化处理后，新的数据X’满足两个性质：

（1）      特征之间相关性较低；

（2）      所有特征具有相同的方差。

PCA白化原理：我们把原始数据x，利用协方差矩阵Y求出特征向量u1,u2，我们把每

个向量归一化，这就是PCA白化。

举例说明：

所谓的pca白化是指对上面的pca的新坐标X’（映射到特征向量u1和u2后组成点）,每一维的特征做一个标准差归一化处理。因为从上面我们看到在新的坐标空间中，(x1,x2)两个坐标轴方向的数据明显标准差不同，因此我们接着要对新的每一维坐标做一个标注差归一化处理：

当然你也可以采用下面的公式：

X'为经过PCA处理的新PCA坐标空间,然后λi就是第i维特征对应的特征值（前面pca得到的特征值），ε是为了避免除数为0。

3、ZCA白化

ZCA白虎是在PCA白化的基础上，又进行处理的一个操作。具体的实现是把上面PCA白化的结果，又变换到原来坐标系下的坐标：

给人的感觉就像是在PCA空间做了处理完后，然后又把它变换到原始的数据空间。

参考网址：https://blog.csdn.net/haoji007/article/details/52790189