基于PCA预处理的图像特征属性约简

孙颖楷; 王光学

doi:10.11834/jig.20071049

本期目录 | 浏览量 : 0 下载量: 199 CSCD: 0

PDF
导出
分享
收藏
专辑

基于PCA预处理的图像特征属性约简
Image Feature Attributes Reduction Based on PCA Pre-processing
2007年12卷第10期页码：1897
纸质出版：2007
DOI： 10.11834/jig.20071049
稿件说明：

移动端阅览

孙颖楷, 王光学. 基于PCA预处理的图像特征属性约简[J]. 中国图象图形学报, 2007,12(10):1897. DOI： 10.11834/jig.20071049.

Image Feature Attributes Reduction Based on PCA Pre-processing[J]. Journal of Image and Graphics, 2007, 12(10): 1897. DOI： 10.11834/jig.20071049.

摘要

讨论了主分量分析在图像特征属性约简中的应用。运用主成分分析PCA（principalcomponentanalysis）对特征向量进行降维处理，并引人粗糙集理论，对其在特征参数属性优化中的运用进行了探索，利用约简算法剔除识别决策表中不必要的属性，揭示出CBIR（contentbasedimageretrieval）系统中特征条件判断属性内在的冗余性。UCI数据集处理结果表明PCA预处理可排除无关特征量的影响，有效进行特征提取，降低图像识别处理的复杂性。

Abstract

The paper discusses the application of Principle Component Analysis(PCA) in image’s feature attributes reduction. After PCA pre-processing

Rough Set theory was introduced

and its application in characterized parameters’ attribute optimization was also explored. The unnecessary attributeswere eliminated with an attribute reduction algorithm. The inner redundancy of CBIR was revealed. The result of attribute reduction using UCI dataset proved the algorithm can exclude the influence of unused attributes and decrease the complexity of CBIR effectively.