基于二维广义主成分分析的人脸识别

针对人脸识别中的特征提取问题，提出了一种基于二维广义主成分分析（2DIMPCA）的人脸识别方法.有别于传统的人脸识别算法需要将二维人脸图像矩阵压缩成一维向量，该方法直接采用二维图像矩阵来构建方差矩阵，通过在水平和垂直2个方向上顺序执行2次广义主成分分析（IMPCA）运算，消除了人脸图像行和列的相关性，大大压缩了特征的维数.选用二维最小近邻分类法进行分类，计算识别率.在AT&T人脸库以及Yale人脸库上的测试结果表明，与主成分分析（PCA）和IMPCA相比，该方法具有更高的识别率和更快的识别速度.     

主成分分析的红外与可见光图像特征融合

针对红外与可见光图像特征融合提出一种基于主成分分析(PCA)的融合方法。分别提取红外与可见光图像的特征,采用主成分分析的方法进行特征融合,构造出有效的、维数较低的PCA融合特征。实验仿真结果证明PCA融合特征能在保持足够数量的有效信息基础上降低特征维数,提高了目标识别的效率。     

基于广义主成分分析的步态识别算法研究

步态识别是根据人行走方式的不同对人的身份进行识别的.通过背景减除实现人体检测,运用形态学操作和图形几何变换实现了图像的标准中心化.在特征提取阶段使用步态能量图(GEI)来描述每个步态序列,分别使用主成分分析、二维主成分分析、完全的二维主成分分析以及加权完全的二维主成分分析对特征进行降维,最后采用最近邻分类器来测试识别结果作对比研究.实验结果表明权衡计算量和识别率,二维主成分分析对于GEI的步态识别比较有效,识别率可达95.43%.     

基于集成主成分分析的故障检测方法

针对核主成分分析(KPCA)和主成分分析(PCA)的一些不足,提出一种基于集成主成分分析的故障检测方法。该方法将PCA与KPCA结合,利用KPCA描述过程的非线性信息并提取核主成分,再利用PCA对原始信息和核主成分一同提取线性主成分,通过构造统计量T2和SPE(或Q)进行故障检测。在TE(Tennessee-Eastman)过程上的仿真研究表明,本文提出的方法较PCA和KPCA有更高的故障检测精度。     

基于广义主成分分析的图像重建

主成分分析(PCA)在图像识别及高维数据降维中有着普遍的应用.为提升基于主成分分析的图像重建性能,在经典PCA算法的基础上提出了广义主成分分析(TPCA),并利用该算法进行图像重建.该算法利用图像像素的空间邻域构成固定尺寸的数组并将其作为广义标量进行代数运算,可以方便有效地描述各像素的空间约束,从而提升图像的重建效果,...     

基于核主成分分析的特征提取方法

为了证实核主成分分析在特征提取中的优越性,利用支持向量机作为分类器,以主成分分析和核主成分分析作为特征提取的工具,以分类器的分类性能作为方案优劣的评判标准设计了六种实验方案进行实验分析。实验数据表明,对特征选择后的数据集利用主成分分析和核主成分分析进行特征提取,可将数据投影到一个更低维的特征空间,实现数据维数的约简和分类器性能的提高。同时还发现,在对数据进行特征提取的能力上,核主成分分析优于主成分分析。     

改进双向二维局部保持投影的人脸识别算法

为更好地处理图像小样本问题,且克服二维局部保持投影（2DLPP）算法只能保持数据局部性质的缺陷,通过结合二维主成分分析（2DPCA）和二维线性鉴别分析（2DLDA）的算法特性,提出了一种改进的双向二维局部保持投影的人脸识别算法。首先,引入样本类别信息改进权重矩阵,增强2DLPP算法对样本变化的鲁棒性;其次,提出改进2DLPP+2DPCA、2DLPP+2DLDA两种融合算法并分别用于输入样本图像数据的行、列方向特征提取。在特征选择后得到行、列方向上的最优投影;最后,通过对样本数据进行行、列方向投影,利用最近邻分类器对样本数据进行分类并获得在给定数据集上的识别结果。在人脸数据集ORL、YALE和AR上的实验结果表明,该算法在人脸识别性能上总体优于2DPCA、2DLDA、2DLPP、（2D）2PCA、（2D）2LDA、（2D）2PCALDA和（2D）2LPP-PCA等算法。     

基于主成分分析的特征简化

特征评述与简化是模式识别研究中至关重要的任务,本文介绍了降维映射的主成分分析特征评选与简化方法,提出了以神经网络实现主要成分分析的结构和算法,为模式识别特征简化提供了一条有效途径。     

基于概率主成分分析的车牌提取方法

提出了一种新颖的采用概率主成分分析的车牌提取方法。该方法是一种基于纹理分析的图像分割算法，适合于彩色及灰度图像。实验表明，该方法能准确地提取图像中的车牌。     

基于二维特征矩阵的特征融合算法

为了提高无线传感器网络信息融合的效率, 提出一种多传感器二维特征融合(2DFF)策略. 将多个传感器标准化后的特征集组合成二维特征矩阵, 引入图像压缩技术, 包括二维主成分分析(2DPCA)及MatPCA对特征矩阵进行特征提取, 实现特征融合. 从理论上剖析该方法之所以能够有效地适用于特征融合, 且区别于传统方法的内在本质. 相比传统的特征融合方法, 该方法能够获得更加精确的融合特征, 提高信息融合的效率. 基于实地采集的地面目标信号的实验结果表明,该方法既提高目标识别率, 又降低了计算复杂度.     

基于鲁棒主成分分析的图像放大算法

给出一种采用鲁棒主成分分析去噪的图像超分辨率算法。对高分辨率训练图像进行Haar小波变换,使用鲁棒主成分分析法得到去噪后的近似子带字典和细节子带字典;将低分辨率测试图像的近似子带作为相应高分辨率测试图像的近似子带,通过细节子带字典恢复出高分辨率测试图像细节子带;通过逆Haar小波变换得到高分辨率测试图像,利用多级增强进一步提高图像的质量。实验结果显示,用所给方法得到的字典对噪声有鲁棒性,且高分辨率重建图像峰值信噪比较高。     

矩阵填充与主元分析在受损图像配准中的应用

本文提出了一种有效的针对受损图像(元素丢失)的图像配准方法。利用矩阵填充技术将受损图像的丢失元素恢复,然后将主元分析法(PCA)应用于尺度不变特征变换(SIFT)中进行图像的配准。针对SIFT算法采用128维特征向量表示特征点,存储空间、匹配时间与特征点数量成正比,文本采用主元分析法对多维特征向量进行降维处理,以提高运算效率;并采用高斯加权欧氏距离代替欧氏距离进行特征点的匹配。实验结果表明,该算法具有较好的稳定性、准确率和匹配速度,针对受损图像配准具有较好的鲁棒性,可应用在基于内容的图像与视频检索等机器视觉领域。     

基于主独立内容特征的人脸图像检索方法

提出一种基于独立分量分析的内容特征,并用于人脸图像检索,得到一种基于内容的图像检索新方案.该方案首先在降维空间提取出基于高阶统计特性的主独立内容特征（PICF）,应用提取的PICF特征进行有效的人脸图像描述.为确保计算有效性和检索正确率,运用可消除独立特征顺序不确定性的基于PICF的检索方法,并在具备不同亮度、尺度、姿势和图像描述变化的ORL脸谱数据库中完成了人脸图像检索实验.计算机仿真结果验证了所提出方法的有效性.最佳检索率为100%,平均查准率达95.14%/千次.     

基于主独立内容特征的人脸图像检索方法

提出一种基于独立分量分析的内容特征,并用于人脸图像检索,得到一种基于内容的图像检索新方案.该方案首先在降维空间提取出基于高阶统计特性的主独立内容特征(PICF),应用提取的PICF特征进行有效的人脸图像描述.为确保计算有效性和检索正确率,运用可消除独立特征顺序不确定性的基于PICF的检索方法,并在具备不同亮度、尺度、姿势和图像描述变化的ORL脸谱数据库中完成了人脸图像检索实验.计算机仿真结果验证了所提出方法的有效性.最佳检索率为100%,平均查准率达95.14％/千次.     

基于主元分析法的特征脸法在人脸识别中的应用

简要叙述了人脸识别的方法，详细讨论了主元分析法．并且用这种算法实现了人脸的识别。通过实验得出了主元分析法的识别率，提出了改进的方法。     

一种基于主成分分析的空间数据配准算法

提出基于主成分分析(Principal component analysis,PCA)实现空间数据配准的方法,空间数据主分量之间的空间关系反映了参考坐标系的空间关系.基本原理是利用PCA变换得到空间数据特征向量和重心坐标构造矩阵,利用构造矩阵之间的相似变换得到空间坐标系变换矩阵;利用变换矩阵对空间数据进行变换,再基于目标函数寻找变换矩阵的最优解.实验表明,该算法是获取空间参考坐标变换关系初值的有效手段.     

基于主成分分析的神经网络评价模型研究

根据供电企业的特点,建立了适用于评价供电企业营销效果的指标体系,综合运用主成分分析法和BP神经网络方法建立模型,对供电企业的营销效果进行了模拟综合评价。     

多专家的PCA边缘检测模型

视一种边缘检测法为一个专家,为了解决不同专家检测结果的不一致性以及解决专家选择上的困难,提出了一种基于多专家与主成分分析(PCA)的边缘检测模型.首先给专家响应建立了统计模型,通过此模型分析得出,边缘检测模型能有效抑制专家噪声;然后利用提出的边缘检测模型融合多个专家的检测信息得到基于多专家的综合检测结果.实验结果表明,边缘检测模型可获得很好的边缘检测效果.