基于小波变换的图像识别算法.pdf

基于小波变换的图像识别算法.pdf

ID:48001017

大小:310.47 KB

页数:3页

时间:2020-01-11

基于小波变换的图像识别算法.pdf_第1页
基于小波变换的图像识别算法.pdf_第2页
基于小波变换的图像识别算法.pdf_第3页
资源描述:

《基于小波变换的图像识别算法.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第卷计算机应用加年月一一以为一文章编号卯基于小波变换的图像识别算法,,张振宇黄崇林谭恒松浙院信息工程系,江工商职业技术学浙江宁波盯摘要提出,通过构造小波基对图像进行去噪和特征提取,一种基于小波变换的图像识别方法不仅有效地避免,,,了噪声和兄余的数据干扰较精确地定位到了边界点同时也为实现消除兄余数据。提供了一种新思想关键词小波变换特征提取图像识别中图分类号刃文献标志码。,图、、有用信号的目的随着计算机与通信技术的发展像声音视频等多媒。,二,。,二,,,,体信息的识别与检索已经成为人们广泛关注的技术但是设有一组观测序列以⋯,,因,,由于噪声和冗余数据的影响使得特征点的提取十分

2、困难为数据长度其中是信号在时刻的值是独立分布此,,的,。,。,在图像识别与检索之前首先要经过去噪和轮廓特征提取高斯白噪声尹为其方差为了去除噪声尽可。以往采用的中值滤波、目,等工作卡尔曼滤波等自身能恢复出信号基于阑值算法的小波变换去噪过程如下’。都存在不可避免的缺陷〔本文提出了一种基于小波变换对,信号观测序列作小波变换得到小波变换系数记的图,像去噪与特征提取方法该方法由于小波系数的稀疏分为,,可,,布使图像变换后的嫡降低以更好的刻画信号的非平稳特选择阂值和非线性闹值函数八使得经过去,,、。征并且选基灵活从而适用于不同场合不同研究对象二,。噪处理后的小波系数为夕根,,图像去噪

3、据夕进行小波逆变换得到信号的估计几。。常采用的阑值法分为软阂值法和硬阔值法两种图像去噪既可以在时域内也可以在频域中进行频域中软闭值法为去噪的主要原理是利用了噪声和信号在频域上分布的不同来心一。、,几实现的信号主要分布在低中频区域图像的细节主要分布布,列‘,而。在高频区域噪声主要分布在高频区域传统的去噪方法是,硬闭值法为将信号通过一个低通或带通滤波器其缺点是在去噪的同二,,也,夕时模糊了信号这是因为传统的基于傅氏变换的信号去噪,毛,只,方法是一种全局变换能反映图像的整体特征无法表示图,,。可以看出软闹值法令绝对值小于闹值的元素等于零而像的时频局域化特征川小波去噪是一种新兴的

4、图像去噪,硬闭值法在土处不连续,方法,具有时频域局域化分析特性,能够检测到局部突变的边其余的非零元素向零进行收缩士。,而软闭值法在处是连续的缘特征而且可以将图像的结构和纹理分别表现在不同的分,。基于闹值的小波去噪方法其阔值几的选取主要基于以辨率层次上’。下两个滤波前提利用小波去噪的基本流程如图所示,具光滑性滤波后信号东依概率至少跟有同样的光含噪图像。滑度。适应性可得到东的一个最小均方差估计图小波去噪的基本流程小波变换极大值法该方法主要是利用了信号与噪声的李氏指其实现的步骤是。。数在奇异处呈现不同的表现形式来实现的图像预处理如灰度调整等二,,。高信号在区间的指数为则有利用小

5、波变换对图像进行尺度分解,‘,刃’幻成在每一尺度下采用各种有效算法把属于噪声的小波,,系数去除,保留并增加属。式中是一个与所有小波函数例劝有关的常数为小波于图像的小波系数。二,。的尺度当,时上式成为利用小波逆变换得到去除噪声后的增强图像,城天仑口压刚,劝刚才声,‘‘’小波阔值法,,上式给出了小波系数的对数值随尺度和的变化规律小波变换可以将信号的能量集中到少数的小波系数上。。此规律从小波系数的极大值上表现的最为明显它反映当即信号的小波变换系数集中在频率空间上的有限部分小波,,闽,通过选择一时小波系数极大值将随尺度指数的增大而增大当值法利用信号和噪声小波系数幅值上的差异,,时

6、,随。个合适的阔值对小波系数进行处理以达到去除噪声又保留尺度指数的增大而减小一一一一。。收稿日期阅修回日期加伪若金项目浙江省教育厅科研课题一,,,,、一,,,,,作者简介张振宇男辽宁朝阳人副教授主要研究方向多媒体数据库黄祟林男浙江金华人副教授硕士主一,男,,,,主、。要研究方向图像处理谭恒松卯湖北武汉人讲师硕士要研究方向图像处理算法设计计算机应用年,图像〕对含噪图像进行小波变换边缘对应的小波系数模,,乙。,一,。一’。,一二一极大值点它随着尺度的增大而增大而白噪声对应的小波系叭」叭。。’数极大值随着尺度的增大而减小当尺度增大到某个程度,。丑二二,一。,’,一一时绝大部分白

7、噪声对应的小波系数极大值因衰减而消失叭叭,,一由此认为当尺度增大时如果某此小波系数极大值点的幅值,,,,‘,‘,‘,,,即急剧减小或消失则表明对应的奇异性有负的指数在礼内求坐标使最大,。,,‘二。,这些极大值点几乎受白噪声支配应该被去除在大尺度下二,今。⋯剩余的极大值将主要属于图像根据信号与噪声对应的小波,口,,在礼窗内取得的像素点具有这样的特点以耐,系数模极大值在不同尺度间的这种传递性就可以达到去除丫,。为中心与它的相邻的个方向像素的灰度差都很大。噪声的目的特征点提取算法基于小波变换模极大值的去噪算法具体步骤为一维离散小波的

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。