35、图像特征与KANSEI因素及蛋白质O - 连接糖基化位点的研究

图像特征与KANSEI因素及蛋白质O - 连接糖基化位点的研究

在图像分析和蛋白质研究领域，有两项重要的研究内容，一是关于图像特征与人类KANSEI因素（感性因素）之间关系的定量研究，二是基于主成分分析（PCA）对蛋白质O - 连接糖基化位点进行模式分析和预测。

图像特征与KANSEI因素的关联研究

• 颜色图像特征提取
  • 颜色直方图 ：图像中包含颜色、纹理和形状等低级视觉特征，其中颜色是最具主导性和区分性的特征。颜色直方图被广泛用于捕捉图像的颜色信息，它计算简单，且对相机视角的小变化具有鲁棒性。在某一颜色空间（如RGB）中，将颜色通道量化为更粗的空间，红色有k个区间，绿色有m个区间，蓝色有l个区间，颜色直方图是一个向量(h=(h_1,h_2,\cdots,h_n))，其中(n = k\times m\times l)。在本文中，(k = m = n = 8)，(n = 512)。每个元素(h_j)表示图像中离散颜色的像素数量，并对直方图元素进行归一化处理，公式为(h_j’=\frac{h_j}{\sum_{j = 1}^{n}h_j})。归一化后的直方图向量被用作图像特征。
  • PCA降维 ：颜色直方图的缺点是维度高（如512维），因此使用主成分分析（PCA）将其从512维特征空间投影到9维子空间，同时保留85%的信息，选取前9个分量作为图像特征，构建9维图像特征空间。

类别	R