基于小波變換的交通圖像特征提取-wenkub.com
2025-06-20 05:50 本頁(yè)面
【正文】 [3] 王琪，[J].計(jì)算機(jī)工程與應(yīng)用，2008年，第13期：6062碩癘鄴頏謅攆檸攜驤蘞鷥膠據(jù)實(shí)鰹贏。本文把小波包分析理論應(yīng)用到人臉圖像的分析與識(shí)別中，并介紹了利用小波包進(jìn)行特征提取的方法、原理和主要步驟。（5）構(gòu)造特征向量。假設(shè)原始信號(hào)中，最低頻率成份為0，最高成份為1，則提取的16個(gè)頻率成份所代表的頻率范圍。輒嶧陽(yáng)檉籪癤網(wǎng)儂號(hào)澩蠐鑭釃邊鯽釓。為了減少分解級(jí)數(shù)同時(shí)保持特征個(gè)數(shù)的穩(wěn)定，本文選擇二級(jí)小波包分解，分別提取第一層和第二層從低頻到高頻20個(gè)頻率成分的信號(hào)特征。（2）對(duì)預(yù)處理后圖像的感興趣區(qū)域進(jìn)行小波包分解，提取各頻帶的能量作為特征量。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(guò)程中受到天氣、硬件設(shè)備、各種噪聲以及傳輸過(guò)程中帶入的信道噪聲的影響，另外，運(yùn)動(dòng)圖像還會(huì)存在運(yùn)動(dòng)模糊的問題，這些都造成圖像得不清晰，影響后期處理，需要進(jìn)行消除。因此，在各頻率成份中，包含著豐富的識(shí)別信息，通過(guò)分析各頻帶內(nèi)能量大小情況，可以區(qū)分出不同的人臉。驅(qū)躓髏彥浹綏譎飴憂錦諑瓊針嚨鯤鏵?，F(xiàn)以Haar小波函數(shù)為例進(jìn)行詳細(xì)說(shuō)明。設(shè)，則可表示為小波包分解算法 由求與小波包重構(gòu)算法 由與求4 小波包構(gòu)造用一個(gè)正交小波去構(gòu)造一個(gè)小波包的計(jì)算方法。一種自然的做法就是將尺度子空間和小波空間用一個(gè)新的子空間統(tǒng)一起來(lái)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。在多分辨分析中，表明多分辨分析是按照不同的尺度因子把Hilbert空間分解為所有子空間的正交和的。五、小波包分析1 小波包的定義短時(shí)傅里葉變換對(duì)信號(hào)的頻帶劃分是線性等間隔的。在大尺度空間里，能看到目標(biāo)對(duì)象的大致概貌；在小尺度空間里，則可以觀測(cè)到對(duì)象的細(xì)微部分。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(xué)的角度來(lái)理解[46]，針對(duì)函數(shù)，可以看作某一逐級(jí)逼近的極限。鐃誅臥瀉噦圣騁貺頂廡縫勵(lì)羆楓鱷燭。其中，r表示重構(gòu)（Reconstruction），d表示分解（Deposition）。預(yù)頌圣鉉儐歲齦訝驊糴買闥齙絀鰒現(xiàn)。（4）正則性隨著序號(hào)的增加而增加。22001圖Haar小波函數(shù)（）小波系Daubechies函數(shù)是由世界著名的小波分析學(xué)者Inrid Daubechies構(gòu)造的小波函數(shù)，除了db1（即Haar小波）外，其它小波沒有明顯的表達(dá)式，但轉(zhuǎn)換函數(shù)的平方模是很明確的。煢楨廣鰳鯡選塊網(wǎng)羈淚鍍齊鈞摟鰨饗。在這個(gè)意義上，小波變換被稱
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號(hào)-1