一种SAR图像特征提取和目标分类的新方法

提出了一种利用二维离散小波变换与核主成分分析结合对SAR图像进行特征提取的新方法.该方法对SAR图像进行三层小波分解后提取低频子带图像的核主成分分量作为目标的分类特征,利用支持向量机完成目标分类.采用MSTAR实测SAR目标数据集进行特征提取和分类实验,实验结果表明:该方法可以有效提高目标的正确识别率.     

院校办学绩效集对分析评定

讨论了集对分析方法评定院校办学绩效．作为算例,对军队16所工程技术院校进行了排序,并用主成分分析法进行了验证．     

一种应用于超大数据库的人脸识别方法

针对数据库中待识别人脸数目巨大，计算困难的问题，提出了一种基于小波变换和主成分分析的人脸识别方法。该方法首先对数据库中的人脸进行小波变换，然后对小波变换后的图像进行主成分分析提取特征，将特征送入BP神经网络进行训练、识别。经过对比实验，结果表明：该方法可以在保证较高识别率的前提下，大大降低数据维数，从而该方法可以应用于超大数据库的人脸识别。     

一种改进的无参考图像质量评估算法

无参考图像质量评估方法一直是图像质量研究所关注的重点。本文针对无参考图像质量评估问题，在当前被广泛接受的 DIIVINE 图像质量评估方法基础上进行了深入的研究，研究发现经典的 DIIVINE 方法中使用了过多的统计特征量，由于统计量无差别的使用影响了方法的预测性能。基于此，利用主成分分析（PCA）算法对该特征向量进行降维，得到“精简的特征向量”，用此向量可以达到更好的分类性能和评估性能。试验证明，在图像数据库上，该算法表现出较好的预测性能，其性能优于其他主流的无参考图像评估算法。