توضیحات
ترکیب تصویر با استفاده از الگوریتم هایی بر مبنای PCA
ترکیب تصویر با استفاده از تبدیل PCA با دو روش مختلف
این روش بر پایه خواص آماری و ا ستفاده از ماتریس کواریانس ا ستوار ا ست. PCA به طور وسیع در کد گذاری تصویر، فشرده سازی داده های تصویر، بازسازی تصویر و ادغام تصاویر استفاده می شود. روش تحلیل مولفه های اصلی ( PCA )، یک شیوه موثر در ادغام تصاویر است. همچنین از این روش در ا ستخراج ویژگی های آماری داده ها ا ستفاده می شود. این روش به دلیل جدا سازی کامل عوامل آماری و تولید مولفه های ناهمبسته از توانایی خوبی در تمرکز بخشی از ویژگی های مکانی از ویژگی های رنگی ( طیفی ) داشته به همین دلیل اطلاعات رنگی را به خوبی حفظ نموده ولی به دلیل تفکیک نشدن ویژگی های مکانی تصویر تک رنگ در تکمیل دقت مکانی ضعیف عمل می کند. در این روش داده با همبستگی زیاد به فضای دیگری که بین داده همبستگی وجود ندارد تبدیل می شود و تعدادی محور متعامد که داده بر روی آن بســط داده می شــود ایجاد می گردد. بر حســب شــرایط می توان تعدادی محدود از باندها یا تمامی باندها را متناسب با اطلاعات قبلی انتخاب کرد.
شبیه سازی با نرم افزار متلب
برای دانلود فهرست مطالب این پروژه اینجا کلیک کنید
توجه: این پروژه با دو الگوریتم ترکیب تصویر بر مبنای PCA انجام شده است
این پروژه شامل فایل شبیه سازی متلب و ۴۰ صفحه فایل ورد (قابل ویرایش) است
ما را در شبکه های اجتماعی اینستاگرام، تلگرام و آپارات دنبال کنید
هیچ دیدگاهی برای این محصول نوشته نشده است.