هم ترازي مدل هاي سه بعدي بابهره گيري از PCA بهبود يافته

نرماليزاسيون مدل هاي سه بعدي امري متداول در بسياري از برنامه هاي كاربردي تشخيص الگو است. يكي از رايج ترين و بهترين تكنيك هاي نرماليزاسيون حالت مدل هاي سه بعدي شناخته شده با بهره گيري از ابزارهاي آماري، آناليز اجزاي اصلي (PCA) است. در اين مقاله به بررسي اصول PCA رايج، اشاره به ضعف اين روش در تعيين جهت محورهاي اصلي و بيان روشي با بهره گيري از وضعيت رئوس قرار گرفته در مسير محورهاي اصلي به منظور بهبود عملكرد PCA متداول مي پردازيم. از آنجايي كه محاسبات بسياري از روش هاي بازشناسي مدل هاي سه بعدي وابسطه به نرماليزاسيون حالت هستند. بهبود عملكرد PCA در همترازي مدل ها با استفاده از روش ما، كمك بزرگي به مقايسه و بازشناسي مدل هاي سه بعدي انجام خواهد داد. نتايج بدست آمده از آزمايش هاي تجربي افزايش قدرت PCA در همترازي بهتر مدل هاي سه بعدي با بهره گيري از روش پيشنهادي ما را تاييد مي كند.