K-L变换圈.pptVIP

K-L变换 一、提出问题： 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。 二、K—L变换 K—L变换通常也称为霍特林变换，它是建立在统计特性基础上的一种变换。 K—L变换的突出优点是去相关性好，简单的说就是把各变量之间互相关联的复杂关系进行简化分析的方法。 主要应用于数据压缩和图像的旋转上。 三、K—L变换原理 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