已閱讀1頁，還剩112頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、圖像中蘊涵著豐富的信息，如何獲取這些信息并采用有效的手段進行融合是模式識別中的一項重要課題。而圖像融合中的特征級融合在目標識別、醫(yī)療診斷以及生物特征識別等領(lǐng)域有著越來越重要的作用。本文對基于主成分分析的特征級圖像融合及其在弱小目標匹配識別上的應(yīng)用做了一定的研究和探索。 首先，在介紹弱小目標成像特點的基礎(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的特征融合算法對其進行融合，對目標進行了匹配識別。 其次，對特征融合的基本現(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)以及對角主成分分析(DiagPCA)引入特征融合中，通過弱小目標的匹配識別對這些算法進行了比較分析，指出基于DiagPCA的方法最好，面基于2D～2DPCA的方法時間較快。 最后，對基
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于主成分分析的綜合評價研究及其應(yīng)用.pdf
- 面板數(shù)據(jù)的主成分分析及其應(yīng)用
- 基于多元t分布的概率主成分分析及其應(yīng)用.pdf
- 基于核主成分分析的特征變換研究.pdf
- 基于主成分分析的特征提取的研究.pdf
- 基于主成分分析的無線傳感網(wǎng)數(shù)據(jù)融合.pdf
- 主成分分析網(wǎng)絡(luò)構(gòu)造方法及其應(yīng)用.pdf
- 基于主成分分析的心電圖特征提取及身份識別應(yīng)用.pdf
- 改進的魯棒主成分分析模型及其應(yīng)用.pdf
- 魯棒主成分分析的算法研究及其應(yīng)用.pdf
- spss在主成分分析中的應(yīng)用
- matlab主成分分析
- 主成分分析案例
- 基于主成分分析的顧客資產(chǎn)評估.pdf
- 基于主成分分析的入侵檢測方法.pdf
- 主成分分析實例
- (10)主成分分析.pdf
- 非線性主成分分析方法及其在醫(yī)學(xué)中的應(yīng)用.pdf
- 基于期限結(jié)構(gòu)的國債利率變動主成分分析及其應(yīng)用研究.pdf
- 主成分分析與二維主成分分析之比較研究.pdf
評論
0/150
提交評論