資源描述：
《基于pca及其改進(jìn)算法的研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。
1、西南科技大學(xué)本科生畢業(yè)論文143基于PCA及其改進(jìn)算法的人臉圖像壓縮與重建摘要：首先介紹了主成分分析（PCA）算法的基本原理，提出了利用PCA進(jìn)行圖像數(shù)據(jù)壓縮與重建的基本模型。主成分分析方法從矩陣角度也稱為K-L變換。首先將圖像訓(xùn)練庫里的每個二維圖像拉伸成向量，然后對其進(jìn)行主成分分析得到主成份的變換矩陣以及圖像均值向量。圖像壓縮過程就是把壓縮的圖像減去訓(xùn)練得到的圖像均值向量并通過變換矩陣變換成維數(shù)很小的一個向量的過程。圖像的重建就是將壓縮的圖像通過變換矩陣的逆變換矩陣的逆變換后再加上圖像均值向量得到的壓縮前向量的近似向量。然后介紹
2、了一系列的主成分分析方法的改進(jìn)算法。其中包括MatPCA算法、2DPCA算法、ModulePCA算法等。其中ModulePCA算法是將每一個訓(xùn)練圖像都劃分成一些尺寸大小一樣的子圖像，將所有訓(xùn)練圖像的所有子圖像集合在一起進(jìn)行PCA分析，得到相應(yīng)的總體協(xié)方差矩陣。在對測試圖像進(jìn)行壓縮時(shí)，首先按照訓(xùn)練圖像那樣的劃分方法將測試圖像劃分成子圖像，然后逐個對子圖像進(jìn)行壓縮。重建時(shí)逐個對壓縮的子圖像進(jìn)行重建，然后再拼接成原來的圖像。實(shí)驗(yàn)結(jié)果表明，利用模塊化PCA能有效減少數(shù)據(jù)的維數(shù)，實(shí)現(xiàn)圖像壓縮，同時(shí)能根據(jù)實(shí)際需要重建圖像。關(guān)鍵詞：圖像壓縮；圖
3、像重建；PCA；特征提取FaceimagecompressionandreconstructionbaseonPCA西南科技大學(xué)本科生畢業(yè)論文143andimprovedPCAalgorithmAbstract:First,ThisarticlehaveintroducedthebasicprincipleofPCA,andithasproposedthebasicmoduleofusingPCAtocompressandreconstructtheimagedata.Principalcomponentanalysisisals
4、oknownasK-Ltransformationfromtheperspectiveofmatrix.First,eachofthetwo-dimensionalimageshouldbestretchedintoavectorfromtheimagedatabases.Then,throughprincipalcomponentanalysistoobtainatransformationmatrixandvectormeanofimages.Theimagecompressionisaprocessthatusingthec
5、ompresstheimagebysubtractingthemeanvectorofthetrainingimagesobtainedbyatransformationmatrixandconvertedintoaverysmalldimensionofavector.Thereconstructedimageisthatacompressedimagebytheinversetransformmatrixofthetransformationmatrixandthenaninversetransformobtainedwith
6、ameanvectoroftheimagebeforecompressionvectorapproximation.Then,thisarticleintroducedaseriesofimprovedalgorithmofprincipalcomponentanalysismethod,includingMatPCAalgorithm,2DPCAalgorithm,ModulePCAalgorithm.Theneachoneofthetrainingimagesaredividedintoanumberofssub-imagew
7、hichisofthesamesize,andbringallthesub-imageofallthesetrainingimageforPCAanalysis.Afterthatwecangetthecorrespondingcovariancematrixoftheoverall.Whencompressingthetestimage,wealsoneeddividethetestimageintosub-imageaswedotothetrainingimage,andthencompressthesub-imageoneb
8、yone.Ifwewanttoreconstructtheimage,wehavetoreconstructthesub-imageonebyonefirst,whenthereconstructionofthesub-imageisover,pi
