主成分分析及图像压缩/重建
2018-10-11 16:30阅读:
主成分分析:通过降维技术把多个标量转化为少数几个主成分的多元统计方法。这些主成分能够反映原始的大部分信息,通常表示为原始变量的线性组合。为使这些主成分所包含的信息互不重叠,就要求各主成分之间互不相关。
主成分降维分析原理及样本重建:
主成分降维原理分析
数据重建原理分析
基于主成分分析的图像压缩方法:
原始数组X的构建
(1) 输入图像数组 I;
(2) 将图像数组分割成大小一致且不重叠的子块,记为 B,每个子块记作一个
样本;
(3) 将每个样本拉伸成一个行向量,然后将各个样本按行组装成一个大的样本矩阵,记为
X,则 X 每行对应一个样本(子块B)每列对应不同子块上同一位置的像素(变量)。
由图像的特点知:每一子块上相邻像素点的灰度值具有一定的相似性,从而X的列和列之间具有一定的相关性,把每一列看成一个变量,则各变量之间的信息有所重叠,可以通过主成分分析进行降维处理,进而实现图像压缩。
实验代码及结果分析:
基于样本的主成分分析
基于样本的主成分分析也可以采用MATLAB自带的princomp()函数或pca()函数实现。
主成分分析压缩图像
im2col():是将每个子块拉伸成列向量,col2im():是将列向量重组成子块,而样本矩阵是每一行一个样本,在进行主成分分析时,要对样本矩阵进行转置。且这两个函数只能对二维数组进行操作。
主函数
不同主成分个数对应的重建图像效果
总体来说主成分分析法压缩图像效果还是比较满意的,至于信噪比等参数的比较此处不再赘述。