下面有关主成分变换说法错误的是：
A: K-L变换是一种统计学方法，它随图像的统计特性不同而有不同的变换矩阵，即变换矩阵是由图像的统计性质来确定的。
B: 主成分变换在信号处理、模式识别、数字图像处理等领域已经得到了广泛的应用。
C: K-L变换的前几个主分量包含了主要的地物信息，但也制造了少量噪声信息。
D: 取前几个主分量，既获得了绝大部分的地物信息，又减少了数据量。
A: K-L变换是一种统计学方法，它随图像的统计特性不同而有不同的变换矩阵，即变换矩阵是由图像的统计性质来确定的。
B: 主成分变换在信号处理、模式识别、数字图像处理等领域已经得到了广泛的应用。
C: K-L变换的前几个主分量包含了主要的地物信息，但也制造了少量噪声信息。
D: 取前几个主分量，既获得了绝大部分的地物信息，又减少了数据量。
举一反三
- K-L变换的流程为（） A: 计算图像的协方差矩阵—主成分正变换—主成分逆变换 B: 主成分正变换—计算图像的协方差矩阵—主成分逆变换 C: 计算图像的相关矩阵—主成分正变换—主成分逆变换 D: 主成分正变换—计算图像的相关矩阵—主成分逆变换
- K-L变换的流程包括 A: 计算图像灰度共生矩阵 B: 计算图像协方差矩阵 C: 主成分正变换 D: 主成分逆变换
- 对于K-L变换，下列说法中错误的选项是 。 A: K-L变换是建立在图像协方差矩阵基础上的线性正交变换 B: 可以用于图像降维和噪声去除 C: 可用于数据压缩和信息增强 D: 变换得到的主成分之间具有相关性
- 关于K-L变换的描述，正确的是 A: K-L变换是建立在图像协方差矩阵基础上的线性正交变换。 B: K-L变换也称为霍特林（Hotelling）变换、主成分分析（PCA或PCT）。 C: PCA与K-L变换的求解过程有所不同，K-L变换包括了PCA。 D: K-L变换可以去除图像的噪声和干扰，但不能进行数据压缩和信息增强。
- 主成分分析，也称为K-L变换，变换后的主成分分量为第一主分量，占据了所有信息的百分之八十以上。（ ）