K-l变换.pptVIP

K-L变换 霍特林变换 K-L变换的定义 K-L变换也常称为主成分变换(PCA)或霍特林变换，是一种基于图像统计特性的变换，它的协方差矩阵除对角线以外的元素都是零，消除了数据之间的相关性，从而在信息压缩方面起着重要作用。 K-L变换的意义 在模式识别和图像处理中一个主要的问题就是降维，在实 际的模式识别问题中，我们选择的特征经常彼此相关，在识别这些特征时，数量很多，大部分都是无用的。如果我们能减少特征的数量，即减少特征空间的维数，那么我们将以更少的存储和计算复杂度获得更好的准确性。 如何寻找一种合理的综合性方法，使得： 1. 减少特征量的个数。 2.尽量不损失或者稍损失原特征中所包含的信息。 3.使得原本相关的特征转化为彼此不相关（用相关系数阵衡量） K-L变换即主成分分析就可以简化大维数的数据集合。它还可以用于许多图像的处理应用中，例如：压缩、分类、特征选择等。 K-L变换的原理 对某一n个波段的多光谱图像实行一个线性变换，即对该多光谱图像组成的光谱空间X乘以一个线性变换矩阵A，产生一个新的光谱空间Y，即产生一幅新的n个波段的多光谱图像。其表达式为 Y = AX 式中：X为变换前多光谱空间的像元矢量； Y为变换后多光谱空间的像元矢量；