【技术实现步骤摘要】
本专利技术涉及图像处理领域，特别涉及一种图像的降维方法。
技术介绍
人脸作为一个重要的生物特征，传递着重要的信息。一方面，能够传达个体的身份信息；另一方面，人脸面部的表情又可以反映个体的思想感情和情绪状态，通过分析可以获知个体的内心态度和情感变化。针对人脸表情的研究已成为模式识别和人工智能领域的热点。人脸表情在理论上有着重要的研究意义，在日常生活中有很好的应用前景，主要体现于对相关学科的促进、智能人机交互、心理状态分析、医疗诊断技术、图像实时传输、动画电影制作及娱乐产品开发等各个方面。在现有人脸研究技术中，基于线性子空间的方法因为简单、分类能力强等优点已成为主流的特征提取方法。基于线性子空间分析的特征提取方法是根据一定的性能目标来寻找一个线性空间变换，将高维数据投影到低维线性子空间上，使投影后提取的特征数据更能满足目标要求，并且达到压缩原始数据维数的目的。近年来研究发现，人脸图像很可能位于一个非线性流形上，基于流形学习的人脸研究算法被提出。流形学习是一种非线性的降维方法，旨在发现嵌入在高维数据空间的低维光滑流形。但是在实现本专利技术的过程中，专利技术人发现现有技...
【技术保护点】
一种图像粒降维方法，其特征在于，所述方法包括：对输入图像按行和列分块，每个块作为一个图像粒；分别计算各个图像粒中所有像素的均值；把图像粒作为原始图像处理的基本单元。
【技术特征摘要】
1.一种图像粒降维方法，其特征在于，所述方法包括对输入图像按行和列分块，每个块作为一个图像粒；分别计算各个图像粒中所有像素的均值；把图像粒作为原始图像处理的基本单元。2.根据权利要求1所述的图像粒降维方法，其特征在于，所述对输入图像按行和列分块，每个块作为一个图像粒包括对于一幅大小为hXw的图像，I = Ihxw表示该图像的所有像素；图像中任意一个像素或块，记作 b = Lh1, h2] X [W1, w2]，显然有 O < Ii1 < h2 < h 且 O &l...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。