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(jìn)行舉報或認(rèn)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(jìn)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(biāo)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(biāo)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(biāo)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(jìn)行融合，對目標(biāo)進(jìn)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(biāo)的匹配識別對這些算法進(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(hù)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(fù)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(zhǔn)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(jìn)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