当前位置: 首页 > >

主成分分析的图像压缩与重构_论文

发布时间:

第2 0卷  第 5期  Vo .O 12   No 5 .  电子 设计工 程  El cr ni  sg   g n e ig e to c De i n En i e rn   21 0 2年 3月  Ma .2 2 r 01   主成分分析 的图像压缩 与重构  姜 虹  ( 西安 工业 大 学 计 算 机 科 学 与 工 程 学 院 ,陕 西 西 安 7 0 3 ) 10 2  摘 要 : 对 图像 占用 空 间 大 , 针 特征 表 示 时 维数 较 高等 的缺 点 , 系统介 绍 了 主成 分 分 析 (C 的 基 本 原 理 。提 出 了利 用 P A)   P A 进 行 图 像数 据 压 缩 与 重 建 的基 本 模 型 。实验 结 果 表 明 , 用 P A 能 有 效 的 减 少数 据 的维 数 。 行 特 征 提 取 . 现  C 利 C 进 实 图像 压 缩 , 时 并根 据 实 际 需要 重建 图像 。 同   关 键 词 :图像 压 缩 ; C P A;图像 重 建 ; 征 提 取  特 中 图分 类 号 : P 9 .1 T 31   4 文 献标 识码 :   A 文 章 编 号 :1 7 — 2 6 2 1 )5 0 2 — 3 6 4 6 3 (0 2 0 — 16 0   I a e c m pr s i n a d  e o s r c i n O   m g  o e s o   n r c n t u to   fPCA  JAN Ho g I G  n   (colfC m ue c n eadE g er g X ’ Tcnl i l nvri , ’ 70 3 , hn ) S ho  o p tr i c n   ni ei , i帆 ehoo c   i sy Xi o Se n n g aU e t ∞ 10 2 C i   a Ab t a t o n  o t e we k e s o   p c - o s mig a d h g e   i n in w e   e t r g te i g s o  h   r dto a  sr c :P i t t  h   a n s   f 8 a e c n u n   n   ih r d me so   h n f au n   h   ma e   ft e ta i n l i i m to , h  r c   t d c d teb s   r c l  f r c a c mp n n n ls ( C , s bi e    ai m d l f   e d te t l i r u e     ai p n i e o i i l o o e t a i P A) et l h dab s   o e    h a ie n o h c i p s pnp   a ys a s c oa i g   aa c mp e so   n u e o   C ma e d t  o r s in i   s   f P A. E p rme t   e u t  h w h tP A  a   f c iey r d c   h   aa d me so , x e i n a r s l s o t a  C c n e e t l  e u e t e d t  i n i n   l s v i lme t e t r  x a t n, e l et e i g   o r s in, n   c n t c  g     e   ea t a  e d . mp e n  a u ee t c i f r o r ai     z h ma e c mp e s o a dr o s u ti et me t   cu l e s e r ma o h t n   Ke   r s ma ec mp e so y wo d :i g   o r s in;P n i a  o o e t  ay i ;i g  e o sr c in;fau e e ta t n i r cp lC mp n n sAn l ss ma e r c n tu t o e t r  x r ci   o 目前 数 字 图像 的数 据 量呈 爆 炸 型 增 长 , 占用 大 量 的存 储  和 传 输 等 资 源 , 要 是 由于 图像 数 据 中 的 相邻 像 素 的相 关 性  主 新 变 量 要 能 有 效 地 表 示 原 变 量 表 达 的数 据 结 构 而 不 丢 失 或  尽 量 少 丢 失 信 息 , 新 变 量 互 不 相 关 。通 过 P A 处 理 的 图像  且 C 信 息 往 往 能够 保 留住 更 多 的数 据 的最 重 要 方 面 。   主 成 分 分 析 的 基 本 原 理 是 选 择 样 本 点 分 布 方 差 大 的 坐  标 轴 进 行 投 影 。 维 数 降 低 而 信 息 量 损 失 最 小 。 给 定 数 据 矩  使 阵  ~ ( 常 m n , 由一 些 中心 化 的 样 本 数 据 。  通 > )它 } 构成 , :   其 中  E   : R 且   高 , 像 数 据 表 示 中 存 在 着 大 量 的 冗 余 ; 此 同 时 在 图 像 的  图 与 特 征 表 示 的过 程 中 , 数 很 高 , 人 难 以 理 解 数 据 之 间 的关  维 使 系 , 得 存 储 、 输 、 理 变 得 更 加 困 难 , 处 理 、 算 过 程 中  使 传 处 在 计 必 须 分 配 很 大 的存 储 空 间 以 及 消 耗 大 量 的计 算 时 间 . 维 数  高 据 处 理 成 了 问题 的瓶 颈 。 压 缩 后 的 图 像 传 输 到 目的 地 后 , 要  经 过 解 压 缩 恢 复 到原 图像 才 可 以 使



友情链接: