基于小波變換的交通圖像特征提取(更新版)
【正文】 表第二層第0個節(jié)點的系數(shù)，其它以此類推。鍬籟饗逕瑣筆襖鷗婭薔嗚訝擯饃鯫缽。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。定義下面的函數(shù)序列（）其中，是尺度函數(shù)，是小波函數(shù)。買鯛鴯譖曇膚遙閆擷凄屆嬌擻歿鯰錆。壇摶鄉(xiāng)囂懺蔞鍥鈴氈淚躋馱釣繢鯨鎦。擁締鳳襪備訊顎輪爛薔報贏無貽鰓閎。：滲釤嗆儼勻諤鱉調(diào)硯錦鋇絨鈔陘鰍陸。（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。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)。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。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。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。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(jìn)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]。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。假定有一放大倍數(shù)，它對應(yīng)觀察到信號的某部分內(nèi)容。它的定義為：鵝婭盡損鵪慘歷蘢鴛賴縈詰聾諦鰭皚。Daubechies小波函數(shù)提供了比Haar函數(shù)更有效的分析和綜合。Coiflet具有比更好的對稱性。贓熱俁閫歲匱閶鄴鎵騷鯛漢鼉匱鯔潰。小波包分析(wavelet Packet Analysis)能夠為信號提供一種更加精細(xì)的分析方法，它將頻帶進(jìn)行多層次劃分，對多分辨分析沒有細(xì)分的高頻部分進(jìn)一步分解，并能夠根據(jù)被分析信號的特征，自適應(yīng)地選擇相應(yīng)頻帶，使之與信號頻譜相匹配，從而提高了時－頻分辨率，因此小波包具有更廣泛的應(yīng)用價值[5]。2 小波包的性質(zhì) 設(shè)非負(fù)整數(shù)n的二進(jìn)制表示為則小波包的傅里葉變換由下式給出：式中 設(shè)是正交尺度函數(shù)的正交小波包，則即構(gòu)成的規(guī)范正交基。從上式可以看出，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尺度的加起來獲得函數(shù)。特征量的提取主要分為以下步驟：貓蠆驢繪燈鮒誅髏貺廡獻(xiàn)鵬縮職鯡樣。但是，隨著分解級數(shù)的增加，得到的分解子圖的個數(shù)也會成指數(shù)增長，這就使得進(jìn)一步特征提取以及分類計算的復(fù)雜度大大的增加。提取各頻帶范圍的信號，以表示的重構(gòu)信號，表示的重構(gòu)信號，其它依此類推。識饒鎂錕縊灩筧嚌儼淒儂減攙蘇鯊運
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號-1