需要金币:1000 个金币 | 资料包括:完整论文 | ||
转换比率:金额 X 10=金币数量, 例100元=1000金币 | 论文字数:18870 | ||
折扣与优惠:团购最低可5折优惠 - 了解详情 | 论文格式:Word格式(*.doc) |
摘要:本文主要概述了图像特征提取的现状及各种特征提取方法的特点,了解和掌握独立成分分析方法的背景、意义和基本理论,选择几种目标图像,利用ICA方法实现对图像的降维处理,抽取图像在形状、纹理、颜色三个方面具有代表性的特征,在图像特征提取任务中运用这些特征,通过融合,将其合成一个独立的特征,并运用到特征提取中。利用独立成分分析方法对图像分别进行处理,提取图像的特征,并通过实例验证,分析研究其特点,并与主成分分析法、奇异值分解法的特征提取结果进行对比。
关键词: 独立成分分析 特征提取 FastICA算法 降维
目录 摘要 Abstract 引言 1 绪论-2 1.1 问题的提出及研究意义-2 1.2 国内外研究现状-3 1.2.1 图像特征提取的国内外研究现状-3 1.2.2 特征的表达与提取-4 1.2.3 独立成分分析现状-5 1.3 本文的主要工作和章节安排-6 2 独立成分分析理论及算法-7 2.1 独立成分分析理论-7 2.2 独立成分分析算法实现-7 2.2.1 ICA原理-7 2.2.2 白化预处理-8 2.2.3 独立性与非高斯性的等价-8 2.2.4 FastICA算法原理-9 3 图像特征提取-11 3.1 颜色特征-11 3.2 纹理特征-12 3.3 形状特征-12 4 ICA在图像特征提取中的应用-14 4.1基于ICA的图像颜色特征、纹理特征、形状特征的降维-14 4.2 ICA特征向量提取-17 4.3 ICA、PCA、SVD基向量对比-22 5 程序代码-25 5.1 ICA方法提取图像特征代码-25 5.2 ICA方法提取图像颜色特征代码-26 5.3 ICA方法提取图像形状特征代码-28 5.4 ICA方法提取图像纹理特征代码-30 5.5 ICA方法提取图像融合特征代码-31 5.6 PCA方法提取图像特征代码-33 5.7 SVD方法提取图像特征代码-35 结论 致谢 参考文献 |