هم ترازی مدلهای سه بعدی بابهرهگیری از PCA بهبود یافته

نرمالیزاسیون مدلهای سه بعدی امری متداول در بسیاری از برنامههای کاربردی تشخیص الگو است.یکی از رایجترین و بهترین تکنیکهای نرمالیزاسیون حالت مدلهای سه بعدی شناخته شده با بهرهگیری ازابزارهای آماری، آنالیز اجزای اصلی ) PCA ( است. در این مقاله به بررسی اصول PCA رایج، اشاره به ضعفاین روش در تعیین جهت محورهای اصلی و بیان روشی با بهرهگیری از وضعیت ریوس قرار گرفته در مسیرمحورهای اصلی به منظور بهبود عملکرد PCA متداول میپردازیم. از آنجایی که محاسبات بسیاری از روش- های بازشناسی مدلهای سه بعدی وابسطه به نرمالیزاسیون حالت هستند. بهبود عملکرد PCA در همترازیمدلها با استفاده از روش ما، کمک بزرگی به مقایسه و بازشناسی مدلهای سه بعدی انجام خواهد داد. نتایج بدست آمده از آزمایشهای تجربی افزایش قدرت PCA در همترازی بهتر مدلهای سه بعدی با بهره- گیری از روش پیشنهادی ما را تایید میکند

کلیدواژه ها:

مدلهای سه بعدی ، همترازی ، آنالیز اجزای اصلی ) PCA ( ، بهبود عملکرد PCA