Gabor小波及应用+空间频率的定义+方向性+2D-Gabor图形示意图(量化为模版)精要.docVIP

Gabor小波及应用 一 基本概念 小波变换与Fourier变换 1）CTFT ( continuous time Fourier Transform) 2) DFT (Discrete Fourier Transform) Fourier变换的缺点 求解或时，要用到所有的输入信号。 不能具有频率为的信号在的位置。 小波变换 小波的尺度和平移 小波变换的实质 6. 二维灰度图像的频率特性及提取 空間頻率 (spatial frequency) :指的是單位空間內影像的變化程度(How rapidly a stimulus changes across space.)，通常以視角為其單位，描述此單位內影像亮度變化的週期，並以”cycles per degree”為其單位，透過傅立業分析（Fourier analysis）（Campbell Robson, 1968）我們可以利用視角內空間頻率分佈情形來描述一張影像的內容。且呈现方向性。 二、 二维Gabor变换 图像的频率特征提取要考虑频率的大小和“方向”。 1. 定义 2. 参数选定 三、应用 三、应用实现 举例：三个频率四个方向共计12种组合的Gabor变换。 SVM介绍 一、 机器学习的概念： 二、 机器学习的数学描述 三、经验风险最小化原则 四、SVM 统计学研究的是样本数目趋于无穷大时的渐进理论，但在实际遇到的问题中样本数往往是有限的，因此传统的机器学习方法在实际应用中效果不理想。Vapnik从70年代后期开始就一直从事统计学习理论的研究。统计学习理论(Statistical Learning Theory, SLT)是为解决有限样本学习问题而建立的一种机器学习理论，而支持向量机(Support Vector Machine SVM)正是以此为基础建立起来的一种新的通用学习方法。该算法在解决非线性、小样本和高维输入空间等分类问题中表现出很多特有的优势。 线性可分的分类面 定义1 （分类问题）根据给定的训练集 (5-1) 其中，是样本点的个数。寻找上的一个实值函数，从而用决策函数 (5-2) 判断任一模式相对应的值。分类问题的实质就是寻找把上的点分成两部分的规律。 定义2（最优分类超平面）如果训练样本能够被无误差地分类，并且每一类数据与超平面距离最近的向量和该超平面距离最大，则称这个超平面为最优分类超平面。 H2 H -class +class H1 2）