去掉小于10的奇异值.ppt

3 矩阵展开和奇异值分解 去掉小于10的奇异值 3 矩阵展开和奇异值分解 去掉小于50的奇异值 3 矩阵展开和奇异值分解 去掉小于1000的奇异值 4 DCT与K-L变换的关系 1）马尔可夫过程 大多数自然景物符合马尔可夫过程； 马氏过程的协方差表示为： 4 DCT与K-L变换的关系 4 DCT与K-L变换的关系 2）当概率趋近为1时 要点总结 1）特征值和特征向量的定义； 2）协方差矩阵和主分量分析法； 3）一维K-L变换和二维K-L变换性质及图像压缩后误差分析； 4）矩阵展开的定义； 5）奇异值分解SVD。 上机实习 1）特征值与特征向量分解函数 上机实习 2）奇异值分解函数 上机实习 3 ）采用MATLAB软件编制SVD程序，并采用图像测试图像压缩。 * 行堆叠：l副图像就是l个向量，每个向量中首先将图像每一行中各列转置，然后依次放各行。 数字图像处理 第十三章 基于特征向量的变换 CH13 基于特征向量的变换 一、主分量分析、K-L变换 二、图像数据压缩 三、矩阵展开和奇异值分解 四、DCT与K-L变换的关系 要点总结 上机实习 1 主分量分析（K-L变换） 1）思想 2）特征分析 3）主分量分析及一维K-L变换 4）K-L变换的性质 5）图像K-L变换 6）基于K-L变换的特征脸识别方法 1 主分量分析（K-L变换） 1）思想 目的是寻找任意统计分布的数