论文部分内容阅读
特征提取是模式识别中最基本的问题之一,提取有效的鉴别特征是解决目标识别问题的先决条件。图像特征提取就是从图像中提取出目标隐藏的结构或性质方面有意义的特征。本文主要研究了基于PCA/ICA的图像特征提取算法。首先,针对传统的基于PCA/ICA的图像特征提取算法及已有的改进算法,本文通过理论分析和实验仿真,对上述多种特征提取算法进行了对比分析,并指出了改进方向。其次,针对经典的基于PCA的图像特征提取算法需要对图像进行向量化处理,从而忽略图像内在结构信息的问题,本文提出一种基于2DPCA与Wavelet PCA的图像分块自适应特征提取算法。该算法将图像进行分块,并依据图像的像素点灰度值方差和与子块图像的像素点灰度值方差和进行判断,根据判断结果对子块图像自适应选择采用2DPCA或者Wavelet PCA进行特征提取。实验仿真结果表明,该算法有效地实现了图像的特征提取,提高了图像的分类识别率且适用性广。最后,针对传统的基于ICA的图像特征提取算法在对目标函数进行优化时迭代速度慢的缺点,本文提出一种基于粒子群优化的ICA图像特征提取算法。该算法将粒子群优化算法引入传统ICA算法的特征提取过程中,用于对目标函数进行寻优,能够快速找到目标函数的全局最优解,在大幅度降低传统ICA算法的运算复杂度的同时有效地提取出图像特征。实验仿真结果表明,该算法在保证特征提取有效性的前提下改善了算法的实时性。