数字图像处理 KL变换是针对一张图像的，还是针对一个图像库的？如果是图像库，那如何重构出其中的一张图像？ 都是可以的，针对多张图的话，你可以将降维后的矩阵，按原有图像的行列排列，在电脑上就可以显示出人脸的大致形状了，此时的人脸也称为特征脸
kl变换是什么算法 KL变换在线性变换中能量集中效率最高 KL变换用于：1.DIP：图像压缩，可以使得图像压缩后均方误差最小-最优描述 2.模式识别：用于降维，希望在特征数减少后仍然保持类别可。
遥感图像地质信息增强处理 地质信息遥感图像增强处理目的是通过选择合理的图像处理方法，改善图像的视觉效果，突出遥感地质调查所需要的有用信息。4.3.1 常用的图像增强处理方法在遥感地质应用方面，图像增强处理方法按照主要增强的信息内容可分为波(光)谱特征增强和空间特征增强两大类。4.3.1.1 图像波(光)谱特征增强处理图像波(光)谱特征增强处理是基于多波段数据，对每个像元的灰度进行变换达到图像增强的目的。其图像增强结果便于识别不同性质的地质体、岩石类型、地质异常(如蚀变带、热异常等)、规模较大的线性和圆形构造。(1)灰度变换方法当原始图像的直方图比较窄，灰度分布较集中，图像层次较少时，进行灰度变换是最基本的要求。对于灰度接近正态分布的图像通常进行线性拉伸就可达到改善图像视觉效果的目的。对于直方图呈多峰状、部分地物过亮或过暗的图像，应针对图像的特点采用不同的灰度变换方法，包括分段线性拉伸、直方图调整和高斯变换等非线性拉伸等。分段线性拉伸是为了有效利用有限个灰度级，将整个灰度范围划分为几个区间，分区间进行线性扩展，达到最大限度增强图像中有用信息的目的。常用的非线性变换有指数变换法(增强原始图像的高亮度值部分)、对数变换法(增强图像的。
KL变换的意义？ K-L变换的一般步骤是：1、读入图像、形成数据矩阵（每个样本为1*64）2、标准化数据3、求协方差矩阵4、计算协方差矩阵的特征根及特征向量5、选出最大10个特征值对应的特征向量构成变换矩阵6、求每个样本在特征空间的表示
有一些数字图象处理的题目，麻烦找下答案(急) 晕，你这些东西在你的图象处理书中一般都有的啊，比如中值滤波器的结构，高\\低通滤波等等，还有，有的问题太难拉，
专题图像处理 利用制作好的TM基础影像图目视解译后，仍有某些难以确定的重要地质要素、地质特征需进行相应的数字图像增强处理，以有效地突出有用信息，抑制植被、冰雪等其他干扰因素，改善图像的视觉效果，提高重现图像的逼真度，增强信息提取与识别能力。为了突出岩石地层、控煤构造和含煤区小构造、含煤地层及煤层等信息，增加图像的可解译程度，提高解译效果，针对地质条件复杂和重点含煤区，利用ENVI遥感图像处理软件作进一步的数字图像增强处理，以达到有效提取相关信息的目的。处理方法主要有主成分分析、直方图均衡化、定向滤波、比值处理和锐化增强等十余种方法，达到了对地质体、煤层分类和识别的目的，完善了解译效果。图像增强处理虽然不能增加图像数据中的相关信息，但它能够增加所选特征的动态范围，从而使这些特征的检测和识别更加容易。在芒棒区、中甸区和永胜区共选取20个子区进行处理（表2-1），目的有三：①对影像中的模糊区进行处理，增强其可解译程度；②对与煤田地质关系密切的研究对象进行处理，提高可解译程度；③对直接和间接地反映煤及其他矿产异常的影像特征进行处理，增强目视解译的识别能力。使用的主要方法有：主成分分析、去相关拉伸、比值运算、。
kl变换是什么算法 KL变换在线性变换中能量集中效率最高KL变换用于：DIP：图像压缩，可以使得图像压缩后均方误差最小-最优描述模式识别：用于降维，希望在特征数减少后仍然保持类别可分离性-最优区分KL变换目的：寻找n*n的正交矩阵A，使得A对X的变换结果Y的协方差矩阵为对角阵KL变换特点：核不固定->；缺点：使用麻烦；优点：可根据某类图像定制均方误差很小堆叠表示：MN维的一维向量分子块
已知协方差矩阵 求相关矩阵 （概率论） 1、假设协方差矩阵为2113c第i行与du第j行的相5261关zhi系数为：r(i，j)=c(i，j)/sqrt(c(i，i)*c(j，j))若要dao求整个矩阵可专用循属环实现4102[m，n]=size(c)；for i=1：mfor j=1：nr(i，j)=c(i，j)/sqrt(c(i，i)*c(j，j))；endend2、%协方差矩阵C转化相关系数1653矩阵s=diag(C)；if(any(s~=1))C=C./sqrt(s*s')；end扩展资料：尽管自协方差矩阵很简单，可它却是很多领域里的非常有力的工具。例如，在数字图像处理中，虽然图像不一定是方阵，无法使用特征值分解还原，但是图像的自协方差矩阵必定是个实对称矩阵，因而它能导出一个变换矩阵（导出过程可参考相关资料），这个矩阵能使数据完全去相关(decorrelation)，从而能够提取图像中物体的特征（人脸识别等应用）。从不同的角度看，也就是说能够找出一组最佳的基以紧凑的方式来表达数据（用于数据压缩）。这个方法在统计学中被称为主成分分析(principal components analysis)，在图像处理中称为Karhunen-Loève 变换(KL-变换)。参考资料来源；-相关矩阵与协方差矩阵
数字图像处理 KL变换是针对一张图像的，还是针对一个图像库的？如果是图像库，那如何重构出其中的一张图 都是可以的，针对多张图的话，你可以将降维后的矩阵，按原有图像的行列排列，在电脑上就可以显示出人脸的大致形状了，此时的人脸也称为特征脸
