基于主成分分析的特征融合及其應(yīng)用.pdf

1、圖像中蘊(yùn)涵著豐富的信息，如何獲取這些信息并采用有效的手段進(jìn)行融合是模式識(shí)別中的一項(xiàng)重要課題。而圖像融合中的特征級(jí)融合在目標(biāo)識(shí)別、醫(yī)療診斷以及生物特征識(shí)別等領(lǐng)域有著越來越重要的作用。本文對(duì)基于主成分分析的特征級(jí)圖像融合及其在弱小目標(biāo)匹配識(shí)別上的應(yīng)用做了一定的研究和探索。 首先，在介紹弱小目標(biāo)成像特點(diǎn)的基礎(chǔ)上，分析并提取了包括分形特征、多向多尺度梯度特征、能量特征、灰度均值特征、形態(tài)學(xué)特征以及聚類特征在內(nèi)的多種特征，并提出了局域灰度

2、概率特征，通過基于PCA的特征融合算法對(duì)其進(jìn)行融合，對(duì)目標(biāo)進(jìn)行了匹配識(shí)別。 其次，對(duì)特征融合的基本現(xiàn)狀做了綜述，介紹了主成分分析方法的研究現(xiàn)狀，分別將主成分分析(PCA)、二維主成分分析(2DPCA)、雙向二維主成分分析(2D～2DPCA)以及對(duì)角主成分分析(DiagPCA)引入特征融合中，通過弱小目標(biāo)的匹配識(shí)別對(duì)這些算法進(jìn)行了比較分析，指出基于DiagPCA的方法最好，面基于2D～2DPCA的方法時(shí)間較快。 最后，對(duì)基