کاهش خودکار ابعاد تصاویر با استفاده از مولفه های اصلی تنک

با توجه به انبوه اطلاعات زیاد در دنیای امروز، اهمیت و ضرورت کاهش حجم اطلاعات بر هیچ کس پوشیده نیست. اطلاعات موجود در طبیعت،ذاتا دارای افزونگی هستند. از روشهای موجود برای کاهش ابعاد و از بین بردن افزونگی بین ویژگیهای اطلاعات، میتوان تحلیل مولفهای اصلی (PCA)را نام برد. در این پژوهش با استفاده از تحلیل مولفه های اصلی تنک (SPCA) و تحلیل مولفه های اصلی دو بعدی تنک (S2DPCA) پیکسل های کهدارای بیشترین افزونگی بین اطلاعات هر مشاهده هستند، تشخیص داده شده و سپس پیکسل های دارای افزونگی از ماتریس یا بردار اطلاعات به طورکاملحذف می شوند. اطلاعات کاهش حجم یافته که افزونگی کمتری نسبت به اطلاعات قبلی دارند در کاربردهای گوناگون می توانند به کار گرفته شوند. توسطآزمایشات نشان داده شده است که ماتریس اصلی و ماتریس کاهش بعد یافته در روشهای شناسای و طبقه بندی به طور یکسان کارای دارند. در اینپژوهش از روش پیشنهادی در کاربردهایی همچون طبقه بندی تصاویر و کاهش ابعاد تصاویر به صورت خودکار استفاده شده است.

کلیدواژه ها:

کاهش ابعاد ، تحلیل مولفه های اصلی ، تحلیل مولفه های اصلی تنک