資源描述：
《基于小波變換的圖像識別算法.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第卷計算機應用加年月一一以為一文章編號卯基于小波變換的圖像識別算法,,張振宇黃崇林譚恒松浙院信息工程系,江工商職業(yè)技術(shù)學浙江寧波盯摘要提出,通過構(gòu)造小波基對圖像進行去噪和特征提取,一種基于小波變換的圖像識別方法不僅有效地避免,,,了噪聲和兄余的數(shù)據(jù)干擾較精確地定位到了邊界點同時也為實現(xiàn)消除兄余數(shù)據(jù)。提供了一種新思想關(guān)鍵詞小波變換特征提取圖像識別中圖分類號刃文獻標志碼。,圖、、有用信號的目的隨著計算機與通信技術(shù)的發(fā)展像聲音視頻等多媒。,二,。,二,,,,體信息的識別與檢索已經(jīng)成為人們廣泛關(guān)注的技術(shù)但是設(shè)有一組觀測序列以?,,因,,由于噪聲和冗余數(shù)據(jù)的影響使得特征點的提取十分
2、困難為數(shù)據(jù)長度其中是信號在時刻的值是獨立分布此,,的,。,。,在圖像識別與檢索之前首先要經(jīng)過去噪和輪廓特征提取高斯白噪聲尹為其方差為了去除噪聲盡可。以往采用的中值濾波、目,等工作卡爾曼濾波等自身能恢復出信號基于闌值算法的小波變換去噪過程如下’。都存在不可避免的缺陷〔本文提出了一種基于小波變換對,信號觀測序列作小波變換得到小波變換系數(shù)記的圖,像去噪與特征提取方法該方法由于小波系數(shù)的稀疏分為,,可,,布使圖像變換后的嫡降低以更好的刻畫信號的非平穩(wěn)特選擇閡值和非線性鬧值函數(shù)八使得經(jīng)過去,,、。征并且選基靈活從而適用于不同場合不同研究對象二,。噪處理后的小波系數(shù)為夕根,,圖像去噪
3、據(jù)夕進行小波逆變換得到信號的估計幾。。常采用的闌值法分為軟閡值法和硬闊值法兩種圖像去噪既可以在時域內(nèi)也可以在頻域中進行頻域中軟閉值法為去噪的主要原理是利用了噪聲和信號在頻域上分布的不同來心一。、,幾實現(xiàn)的信號主要分布在低中頻區(qū)域圖像的細節(jié)主要分布布,列‘,而。在高頻區(qū)域噪聲主要分布在高頻區(qū)域傳統(tǒng)的去噪方法是,硬閉值法為將信號通過一個低通或帶通濾波器其缺點是在去噪的同二,,也,夕時模糊了信號這是因為傳統(tǒng)的基于傅氏變換的信號去噪,毛,只,方法是一種全局變換能反映圖像的整體特征無法表示圖,,。可以看出軟鬧值法令絕對值小于鬧值的元素等于零而像的時頻局域化特征川小波去噪是一種新興的
4、圖像去噪,硬閉值法在土處不連續(xù),方法,具有時頻域局域化分析特性,能夠檢測到局部突變的邊其余的非零元素向零進行收縮士。,而軟閉值法在處是連續(xù)的緣特征而且可以將圖像的結(jié)構(gòu)和紋理分別表現(xiàn)在不同的分,?；隰[值的小波去噪方法其闊值幾的選取主要基于以辨率層次上’。下兩個濾波前提利用小波去噪的基本流程如圖所示,具光滑性濾波后信號東依概率至少跟有同樣的光含噪圖像?；?。適應性可得到東的一個最小均方差估計圖小波去噪的基本流程小波變換極大值法該方法主要是利用了信號與噪聲的李氏指其實現(xiàn)的步驟是。。數(shù)在奇異處呈現(xiàn)不同的表現(xiàn)形式來實現(xiàn)的圖像預處理如灰度調(diào)整等二,,。高信號在區(qū)間的指數(shù)為則有利用小
5、波變換對圖像進行尺度分解,‘,刃’幻成在每一尺度下采用各種有效算法把屬于噪聲的小波,,系數(shù)去除,保留并增加屬。式中是一個與所有小波函數(shù)例勸有關(guān)的常數(shù)為小波于圖像的小波系數(shù)。二,。的尺度當,時上式成為利用小波逆變換得到去除噪聲后的增強圖像,城天侖口壓剛,勸剛才聲,‘‘’小波闊值法,,上式給出了小波系數(shù)的對數(shù)值隨尺度和的變化規(guī)律小波變換可以將信號的能量集中到少數(shù)的小波系數(shù)上。。此規(guī)律從小波系數(shù)的極大值上表現(xiàn)的最為明顯它反映當即信號的小波變換系數(shù)集中在頻率空間上的有限部分小波,,閩,通過選擇一時小波系數(shù)極大值將隨尺度指數(shù)的增大而增大當值法利用信號和噪聲小波系數(shù)幅值上的差異,,時
6、,隨。個合適的闊值對小波系數(shù)進行處理以達到去除噪聲又保留尺度指數(shù)的增大而減小一一一一。。收稿日期閱修回日期加偽若金項目浙江省教育廳科研課題一,,,,、一,,,,,作者簡介張振宇男遼寧朝陽人副教授主要研究方向多媒體數(shù)據(jù)庫黃祟林男浙江金華人副教授碩士主一,男,,,,主、。要研究方向圖像處理譚恒松卯湖北武漢人講師碩士要研究方向圖像處理算法設(shè)計計算機應用年,圖像〕對含噪圖像進行小波變換邊緣對應的小波系數(shù)模,,乙。,一,。一’。,一二一極大值點它隨著尺度的增大而增大而白噪聲對應的小波系叭」叭。?！瘮?shù)極大值隨著尺度的增大而減小當尺度增大到某個程度,。丑二二,一。,’,一一時絕大部分白
7、噪聲對應的小波系數(shù)極大值因衰減而消失叭叭,,一由此認為當尺度增大時如果某此小波系數(shù)極大值點的幅值,,,,‘,‘,‘,,,即急劇減小或消失則表明對應的奇異性有負的指數(shù)在禮內(nèi)求坐標使最大,。,,‘二。,這些極大值點幾乎受白噪聲支配應該被去除在大尺度下二,今。?剩余的極大值將主要屬于圖像根據(jù)信號與噪聲對應的小波,口,,在禮窗內(nèi)取得的像素點具有這樣的特點以耐,系數(shù)模極大值在不同尺度間的這種傳遞性就可以達到去除丫,。為中心與它的相鄰的個方向像素的灰度差都很大。噪聲的目的特征點提取算法基于小波變換模極大值的去噪算法具體步驟為一維離散小波的
