资讯 小学 初中 高中 语言 会计职称 学历提升 法考 计算机考试 医护考试 建工考试 教育百科
栏目分类:
子分类:
返回
空麓网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
空麓网 > 计算机考试 > 软件开发 > 后端开发 > Python

主成分分析、最小噪声分离、缨帽变换和独立成分分析之间的异同

Python 更新时间: 发布时间: 计算机考试归档 最新发布

主成分分析、最小噪声分离、缨帽变换和独立成分分析之间的异同

不同点:

PCA是通过正交变化将相关变量转换为不相关变量的过程,按照信息量(方差)大小排列;

MNF相当于进行两次PCA(第一次对图像噪声进行PCA,第二次对噪声分离后的图像进行PCA),并按照信噪比大小进行排列;

TCT     是基于图像物理特征进行的固定转换,变换后坐标轴指向与地面景物有密切关系的方向;

ICA是PCA的一种扩展,用来从多维统计数据中找到隐含因素或成分的方法。

相同点:

  • 都是基于PCA的方法进行的变换;
  • 都能实现图像去噪、特征提取,达到提高图像增强的效果;
  • 都是基于图像特征分析变换。
转载请注明:文章转载自 http://www.konglu.com/
本文地址:http://www.konglu.com/it/1096857.html
免责声明:

我们致力于保护作者版权,注重分享,被刊用文章【主成分分析、最小噪声分离、缨帽变换和独立成分分析之间的异同】因无法核实真实出处,未能及时与作者取得联系,或有版权异议的,请联系管理员,我们会立即处理,本文部分文字与图片资源来自于网络,转载此文是出于传递更多信息之目的,若有来源标注错误或侵犯了您的合法权益,请立即通知我们,情况属实,我们会第一时间予以删除,并同时向您表示歉意,谢谢!

我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2023 成都空麓科技有限公司

ICP备案号:蜀ICP备2023000828号-2