CCA在數(shù)字圖像處理中的應(yīng)用研究.pdf

1、典型相關(guān)分析是多元統(tǒng)計分析的一個重要研究課題。它借助主成分的思想，用少數(shù)幾對綜合變量來反映兩組變量間的線性相關(guān)性質(zhì)。目前它已經(jīng)在眾多領(lǐng)域的相關(guān)分析和預(yù)測分析中得到廣泛應(yīng)用。但將其應(yīng)用于數(shù)字圖像處理，目前相關(guān)的研究還很少。 本文首先深入研究典型相關(guān)分析的各種線性算法和非線性算法，并通過實驗數(shù)據(jù)的比較說明了它們各自的特點。然后主要從理論和實驗兩個層面論證了典型相關(guān)應(yīng)有于數(shù)字圖像處理方面的可行性和優(yōu)越性。同時通過實驗數(shù)據(jù)說明了典型相關(guān)

2、的線性判別和非線性判別的分類能力和特點。 本文提出一種基于圖像鄰域信息的分割方法。首先，根據(jù)象素點鄰域信息得到高維特征向量；然后采用典型相關(guān)分析(CCA)改進線性判別分析(LDA)中的變換矩陣，使得特征向量的降維具有自適應(yīng)性；最后用最近鄰法對降維后的特征向量進行分類，從而實現(xiàn)了圖像的分割。試驗中，選取人臉圖像分割來驗證該方法，結(jié)果顯示出其具有良好的分類效果。在圖像匹配方面，基于典型相關(guān)分析的思想，對相鄰圖像進行匹配拼接，確定出合