基于最近鄰原則圖像識別的PCA新算法.pdf

1、 本論文提出一種新的、基于最近鄰原則的圖象識別PCA算法。這種算法完全擯棄了在計算圖象協(xié)方差矩陣時先把圖象轉(zhuǎn)化為一維隨機(jī)向量，然后再計算隨機(jī)向量協(xié)方差矩陣的做法，因為，在把圖象轉(zhuǎn)化為一維隨機(jī)向量的時候，不可避免地要割裂圖象象素之間這樣或那樣的相關(guān)性。本論文提出的算法先計算圖象象素的方差和協(xié)方差，然后在二維矩陣的“棋盤”上擺放這些方差和協(xié)方差：在矩陣的對角線上按照由大到小的順序排列象素的方差；在矩陣的上三角形區(qū)域逐行按照與同行對角線

2、上象素空間距離最近的順序由近及遠(yuǎn)排列象素的協(xié)方差，然后再按照關(guān)于對角線對稱的原則填補(bǔ)矩陣的下三角形(對稱性原則的運用保證了矩陣的對稱性，從而保證了特征值的實數(shù)性質(zhì)和特征向量的正交性)。在圖象中，象素的空間距離越接近越相關(guān)，因而協(xié)方差也越大。因此，本論文提出的算法可以形成大值協(xié)方差盡量向?qū)蔷€靠攏的矩陣。在相同閾值的條件下，這樣的矩陣可以產(chǎn)生數(shù)目最少的主元。　　實驗結(jié)果表明，與經(jīng)典PCA方法相比，在閾值相同的條件下，本論文提出的算法所產(chǎn)