PCA(Principal Component Analysis), 也就是主成分分析, 是数据分析的经常使用方法, 其原理是: 反映对象特征的多个属性每每存在线形相关, 因此能够找到一个合理的方法, 对此多个属性变换为线性无关的另外一组属性, 变换后的属性个数小于最初的属性的个数, 也就是起到了数据降维的做用, 这样能够减小数据分析的复杂度. 天然, PCA在机器学习,计算机视觉和图像处理上, 也有重要做用. 如本文末参考文献中使用PCA来估计图像局部方向.
设f(x,y)为一感兴趣图像区域, 则可求得其梯度gi为:
javascript
此程序刚完成, 未做仔细检验, 并无自信其逻辑必定正确. 还有训练样本集是网上找的一个很小的图像数据库, 一共200张图片,因此次训练远远称不上充分。 因此理论上应该能取得更好的效果. java