主成分分析法,你怎么看?

        最近在看主成分分析法,通过对原始数据进行投影,使得投影后数据更能体现原始数据特征。

        主成分分析(PCA)具有数据分离和信息压缩等有用的特性,运用主成分分析的方法可以根据图像的整体特征,构造目标的特征子空间(即由主成分生成的子空间),从而较好地克服噪声干扰和图像畸变的影响,完成对目标的匹配定位和跟踪。

         在网上找了段用matlab实现的pca算法,对RGB图像计算每个分量协方差矩阵的特征向量、特征值,根据特征值从大到小选取特征向量作为第一主成分、第二主成分和第三主成分,对RGB图像——薏仁、炉贝、青贝和松贝进行投影,效果如下。

                                               

                                              

            通过上图不难发现,右上角第一主成分投影下,颜色细节较少,数据分离效果最明显。

            这些图,让我想到:为什么要先gabor滤波,再pca、fld进行滤波后降维,这种做法在灰度图像下进行,实际上等同直接在RGB空间进行pca,利用第一主成分投影后再进行后续特征提取,应该比gabor滤波后再处理效果更好。试试才知道!!!

           

                            

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值