基于独立成分分析（ICA）的图像分类毕业设计
资料包括： 论文(22页9504字) 图纸
说明：
摘要：图像分类大致可分为三步：图像预处理、图像特征提取和图像分类。图像特征提取是一个非常重要的环节，图像特征提取的效果如何，直接决定着图像分类的效果。通过特征提取可以对输入的图像数据进行有针对性的降维，从而简化后续工作的复杂性。本文主要介绍了基于独立成分分析(ICA)的图像特征提取方法，并用于人脸图像分类（即，人脸图像识别）。
本文主要内容包括：首先，简要综述了图像分类相关技术；其次，概要介绍了图像特征提取的理论基础；再次，给出了基于独立成分分析的图像分类的过程，并以WINDOWS XP+MATLAB 7.0为实验环境，以人脸图像为对象，实现了基于ICA的图像特征提取，最后，以开源软件Weka为分类器，用提取出的人脸图像特征对人脸图像进行分类，实验结果证实了该方法的有效性。
关键词：图像分类 独立成分分析 特征提取
ABSTRACT：Image classification can be broadly divided into three steps: image Pre-processing,image feature extraction and image classification.Image feature extraction is a very important part of the entire work of face recognition.The effect of image feature extraction determines the accuracy of image classification directly.By the feature extracting, the source facial image data could be reduced to lower dimension,making the following work more and more easilier.
This paper mainly intruduces image feature extraction method based on Independent Component Analysis(ICA),and practices in the face image classification(face image recognition).
The main contents of this article include:Firstly, this paper summarizes image classification technology.Secondly,this paper introduces the theoretical basis for feature extraction simply.Thirdly, this paper give the process of image classification based on Independent Component Analysis,and with the environment of WINDOWS XP+MATLAB 7.0,use face image as the object, realizes image feature extraction based on ICA.Finally,use weka classifier which is open-source software and extracted features of face images to achieve face image classification, through the experimental results confirmes the effectiveness of the method
Keywords:Image Classification Independent Component Analysis Feature Extraction
第一章 引言
图像分类是指根据在图像数据中所包含的不同特征，把不同类别的目标区别开来的图像处理方法。图像分类大致可分为三步：图像预处理、图像特征提取和图像分类。其中，图像特征提取是关键的一步，图像特征提取的效果如何，直接决定着图像分类的效果。本文主要以人脸图像分类，即人脸识别为例进行阐述。
1.1图像预处理
人脸图像由于采集环境的不同，如不同的光照，姿态和表情，面部外观变化以及设备性能的优劣等，往往存在有噪声，对比度不够等缺点。另外，距离远近，焦距大小等条件又使得人脸在整幅图像中的大小和位置不确定。为了保证人脸图像中人脸尺寸大小，位置以及人脸图像质量的一致性，必须对图像进行预处理。
人脸图像的预处理主要包括：人脸图像去噪、人脸图像增强，以及人脸图像归一化等工作。图像预处理技术已比较成熟，本文不考虑图像预处理。
第一章引言1
1.1图像预处理1
1.2图像特征提取1
1.3图像分类1
第二章理论基础3
2.1LDA-线性判据分析3
2.2PCA-主成分分析4
2.3ICA-独立成分分析5
2.4分类器的基础知识11
第三章基于独立成分分析的图像分类14
3.1用ICA进行图像特征提取14
3.2用某种分类器进行图像分类16
第四章总结与展望17
4.1总结17
4.2展望17
参考文献18
参考文献：
Sergios Theodoridis.模式识别.北京:电子工业出版社,2006
刘小华.人脸识别技术及其应用研究[D].吉林:吉林大学,2005
刘小军.人脸识别技术研究[D].北京:中国科学院,2001
黄福珍,苏剑波.人脸检测[Z].上海:上海交通大学出版社,2006
杨淑莹.模式识别与智能计算.北京:电子工业出版社,2008
靳艳峰.基于相位一致性和模PCA 的人脸识别算法研究[D].兰州:兰州理工大学,2007
孙涛.特征提取技术研究及其在人脸识别中的应用[D].长沙:中南大学,2007
张春雨.基于子空间的人脸识别算法研究[D].吉林:吉林大学,2006
李欣.人脸识别技术研究[D].哈尔滨:哈尔滨工程大学,2007
王峻峰.基于主分量、独立分量分析的盲信号处理及应用研究[D].武汉:武汉大学,2003
陈颖.基于特征的人脸检测系统的设计与实现[D].天津:天津大学,2007
周岩.基于独立分量分析（ICA）的人脸识别方法的研究[D].长春:长春理工大学, 2007
王明祥.独立分量分析方法及在图像处理中的应用研究[D].上海:上海大学,2005
Hyvarinen.独立成分分析.北京:电子工业出版社,2008
[15] 王亮.基于MATLAB的线性代数实用教程.北京:科学出版社,2008
作者点评：
第一章，综述了图像分类相关技术。
第二章，主要是理论基础，重点介绍两方面的基础知识：一是ICA及其PCA、LDA相关技术；二是分类器的基础知识。
第三章，重点讲述基于独立成分分析的图像分类，大致分为2步：一是用ICA进行图像特征提取，二是用某种分类器进行图像分类。重点介绍用ICA进行图像特征提取方法步骤。