基于小波變換的交通圖像特征提取-閱讀頁
2025-07-08 05:50本頁面
【正文】 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。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。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)造用一個正交小波去構(gòu)造一個小波包的計(jì)算方法。綾鏑鯛駕櫬鶘蹤韋轔糴飆鈧麥蹣鯢殘?，F(xiàn)以Haar小波函數(shù)為例進(jìn)行詳細(xì)說明。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)。驅(qū)躓髏彥浹綏譎飴憂錦諑瓊針嚨鯤鏵。由前面章節(jié)的介紹可知，不同人臉的圖像紋理不同，這在頻帶上可以清楚地反映出來。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。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。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(shè)備、各種噪聲以及傳輸過程中帶入的信道噪聲的影響，另外，運(yùn)動圖像還會存在運(yùn)動模糊的問題，這些都造成圖像得不清晰，影響后期處理，需要進(jìn)行消除。具體地預(yù)處理過程己方法在前面的章節(jié)進(jìn)行了詳細(xì)的介紹，見第二章，這里就不再贅述。（2）對預(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。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(jì)算的復(fù)雜度大大的增加。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。圖小波包二層分解樹結(jié)構(gòu)在圖35中，表示第層的第個結(jié)點(diǎn)，其中，；，每個結(jié)點(diǎn)都代表一定的信號特征。輒嶧陽檉籪癤網(wǎng)儂號澩蠐鑭釃邊鯽釓。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。假設(shè)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。由于輸入的圖像信號是隨機(jī)的，其輸出也是隨機(jī)的。（5）構(gòu)造特征向量。識饒鎂錕縊灩筧嚌儼淒儂減攙蘇鯊運(yùn)。本文把小波包分析理論應(yīng)用到人臉圖像的分析與識別中，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。參考文獻(xiàn)：[1] 劉卓夫，桑恩方. 基于紋理的聲納圖像識別[J].計(jì)算機(jī)工程，2008,第30卷，第14期：113115恥諤銪滅縈歡煬鞏鶩錦聰櫻鄶燈鰷軫。[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
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號-1