基于小波變換的交通圖像特征提取-文庫吧在線文庫
【正文】 recognition, speech recognition, quantum physics, seismic surveying, fluid mechanics, electromagnetic fields, CT imaging, machine vision, machine fault diagnosis and monitoring, and numerical calculation of the fractal, and so engineering. In this paper, wavelet transform theory to solve the traffic issue of the image feature extraction, do a simple 。滿足條件時，稱為一個基本小波或母小波。在實際應用中，常令，則小波變換具有如下形式：謀蕎摶篋飆鐸懟類蔣薔點鉍雜簍鰩驅(qū)。煢楨廣鰳鯡選塊網(wǎng)羈淚鍍齊鈞摟鰨饗。（4）正則性隨著序號的增加而增加。其中，r表示重構(gòu)（Reconstruction），d表示分解（Deposition）。四、多分辨率分析多分辨(或多尺度)分析的基本思想，從數(shù)學的角度來理解[46]，針對函數(shù)，可以看作某一逐級逼近的極限。五、小波包分析1 小波包的定義短時傅里葉變換對信號的頻帶劃分是線性等間隔的。一種自然的做法就是將尺度子空間和小波空間用一個新的子空間統(tǒng)一起來表征，若令則Hilbert空間的正交分解即可用的分解統(tǒng)一為定義子空間是函數(shù)的閉包空間，而是函數(shù)的閉包空間，并令滿足下面的雙尺度方程：式中，即兩系數(shù)也具有正交關(guān)系?，F(xiàn)以Haar小波函數(shù)為例進行詳細說明。因此，在各頻率成份中，包含著豐富的識別信息，通過分析各頻帶內(nèi)能量大小情況，可以區(qū)分出不同的人臉。（2）對預處理后圖像的感興趣區(qū)域進行小波包分解，提取各頻帶的能量作為特征量。輒嶧陽檉籪癤網(wǎng)儂號澩蠐鑭釃邊鯽釓。（5）構(gòu)造特征向量。[3] 王琪，[J].計算機工程與應用，2008年，第13期：6062碩癘鄴頏謅攆檸攜驤蘞鷥膠據(jù)實鰹贏。本文把小波包分析理論應用到人臉圖像的分析與識別中，并介紹了利用小波包進行特征提取的方法、原理和主要步驟。假設原始信號中，最低頻率成份為0，最高成份為1，則提取的16個頻率成份所代表的頻率范圍。為了減少分解級數(shù)同時保持特征個數(shù)的穩(wěn)定，本文選擇二級小波包分解，分別提取第一層和第二層從低頻到高頻20個頻率成分的信號特征。由于受到各種交通環(huán)境的影響，智能交通系統(tǒng)獲得的圖像在形成過程中受到天氣、硬件設備、各種噪聲以及傳輸過程中帶入的信
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號-1