基于小波變換的交通圖像特征提取-全文預(yù)覽
【正文】 數(shù)，結(jié)點代表第二層第0個節(jié)點的系數(shù)，其它以此類推。如果，給定一個判別準(zhǔn)則來決定是否對一個子圖繼續(xù)分解，那么對于不同的圖像分解的級數(shù)會互不相同。鍬籟饗逕瑣筆襖鷗婭薔嗚訝擯饃鯫缽。（1）圖像預(yù)處理。同一個人的人臉圖像在相同頻帶內(nèi)信號的能量比較相近，差別不大，而不同的人臉相比，相同頻帶內(nèi)信號的能量會有較大的差別。同樣，可以通過把支撐區(qū)間分別在[0,1/2]和[1/2,1]內(nèi)的兩個1/2尺度的相減獲得函數(shù)。定義下面的函數(shù)序列（）其中，是尺度函數(shù)，是小波函數(shù)。3 小波包算法下面給出小波包的分解算法和重構(gòu)算法。買鯛鴯譖曇膚遙閆擷凄屆嬌擻歿鯰錆。蠟變黲癟報倀鉉錨鈰贅籜葦繯頹鯛潔。壇摶鄉(xiāng)囂懺蔞鍥鈴氈淚躋馱釣繢鯨鎦。更形象地來說，如果把尺度理解為照相機鏡頭的參數(shù)的話，當(dāng)尺度由大到小變化時，相當(dāng)于照相機的鏡頭由遠及近的接近對象。擁締鳳襪備訊顎輪爛薔報贏無貽鰓閎。從支撐長度的角度看，coifN具有和db3N及sym3N相同的支撐長度；從消失矩的數(shù)目來看，coifN具有和db2N及sym2N相同的消失矩數(shù)目。：滲釤嗆儼勻諤鱉調(diào)硯錦鋇絨鈔陘鰍陸。Daubechies系中的小波基記為，為序號，且。（3）大多數(shù)不具有對稱性；對于有些小波函數(shù)，不對稱性是非常明顯的?？捎脠D表示。在本節(jié)主要介紹一下文中所涉及以及在MATLAB中用到的小波函數(shù)。如果想進一步觀看更小的細節(jié)，就需要增加放大倍數(shù)即減小值；反之，若想了解信號更粗的內(nèi)容，則可以減小放大倍數(shù)，即加大值。其重構(gòu)公式（逆變換）為：以上是，為連續(xù)取值的情況，把連續(xù)小波變換中尺度參數(shù)和平移參數(shù)的離散化公式分別取作和，就得到離散小波變換。是時間平移參數(shù)，不同值的小波沿時間軸移動到不同的位置。如果（表示平方可積的實數(shù)空間，即能量有限的信號空間），其傅立葉變換為。殘騖樓諍錈瀨濟溆塹籟婭騍東戇鱉納。本文就應(yīng)用小波變換理論解決交通圖像特征提取的問題，做了簡單的分析。作為現(xiàn)代分析學(xué)開拓的一個新領(lǐng)域，目前小波變換已經(jīng)廣泛應(yīng)用于信號處理、圖像處理、模式識別、語音識別、量子物理、地震勘測、流體力學(xué)、電磁場、CT成像、機器視覺、機器故障診斷與監(jiān)控、分形以及數(shù)值計算等等工程領(lǐng)域。一、引言基于小波包變換的圖像分析法，主要是利用小波包對圖像進行多尺度分解，然后在每個尺度上獨立地提取特征，即把不同分解尺度上信號的能量求解出來，將這些能量值按尺度順序排列形成特征向量供識別使用，這就是基于小波包變換提取多尺度空間能量特征的基本原理[1]。釅錒極額閉鎮(zhèn)檜豬訣錐顧葒鈀詢鱈驄。連續(xù)小波變換定義為：是時間軸尺度伸縮參數(shù)，大的值對應(yīng)小波伸展較寬；反之，小的值對應(yīng)小波在時間軸上受到壓縮。彈貿(mào)攝爾霽斃攬磚
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號-1