基于小波變換的交通圖像特征提取(已改無(wú)錯(cuò)字)
2023-07-24 05:50:02 本頁(yè)面
【正文】 頻率的細(xì)分，以達(dá)到提高頻率分辨率的目的。買(mǎi)鯛鴯譖曇膚遙閆擷凄屆嬌擻歿鯰錆。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。當(dāng)時(shí)，以上兩式直接給出與在多分辨分析中，和滿足雙尺度方程：由于由唯一確定，所以又稱為關(guān)于序列的正交小波包。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。3 小波包算法下面給出小波包的分解算法和重構(gòu)算法。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。首先，與所選擇的小波相對(duì)應(yīng)的兩個(gè)長(zhǎng)為的濾波器（和），它們分別是低通分解濾波器和高通分解濾波器的被除過(guò)之后的重構(gòu)濾波器。綾鏑鯛駕櫬鶘蹤韋轔糴飆鈧麥蹣鯢殘。定義下面的函數(shù)序列（）其中，是尺度函數(shù)，是小波函數(shù)?，F(xiàn)以Haar小波函數(shù)為例進(jìn)行詳細(xì)說(shuō)明。對(duì)于Haar函數(shù)：等式變?yōu)樵谶@里，是Haar尺度函數(shù)，是Haar小波函數(shù)，兩個(gè)函數(shù)的支撐長(zhǎng)度均在區(qū)間[0,1]上。從上式可以看出，可以通過(guò)把支撐區(qū)間分別在[0，1/2]和[1/2,1]內(nèi)的兩個(gè)1/2尺度的加起來(lái)獲得函數(shù)。同樣，可以通過(guò)把支撐區(qū)間分別在[0,1/2]和[1/2,1]內(nèi)的兩個(gè)1/2尺度的相減獲得函數(shù)。驅(qū)躓髏彥浹綏譎飴憂錦諑瓊針嚨鯤鏵。六、利用小波包分析進(jìn)行特征提取特征提取的目的是獲得一些區(qū)別不同人臉的測(cè)度，用于區(qū)分不同的人臉。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(lái)。同一個(gè)人的人臉圖像在相同頻帶內(nèi)信號(hào)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(hào)的能量會(huì)有較大的差別。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。由以上可知，各頻帶的能量可以作為區(qū)分不同人臉的特征量。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。（1）圖像預(yù)處理。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(wèn)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，在對(duì)圖像進(jìn)行特征提取之前，要對(duì)其進(jìn)行降噪和增強(qiáng)濾波等圖像預(yù)處理。
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號(hào)-1