基于PCA的边缘检测方法

为了更有效地进行边缘检测,通过分析PCA的方向特性,提出了一种基于PCA的边缘检测方法.PCA先利用KL变换来将原始数据变换成维数较少的特征数据,该变换在能量积聚和数据取舍上都具有方向性;同时在证明PCA的这两个方向特性的基础上,提出了一个经两次PCA操作获取边缘的新方法--TPCA.该新方法首先通过对图像进行PCA来得到其重建后的残差;然后再对该图像的转置图像进行PCA,并将所得残差做转置;最后通过对两个残差进行叠加,并二值化来得到比较好的边缘.实验结果表明,该算法不仅有效稳定,而且与经典的边缘检测算子相比,在提取感兴趣区域方面有独特的优势.