第五章 补充 常用压缩编码方法_精品.ppt

* * * * * 1．PCA(主分量分析/K-L)变换 均值： 偏差： 协方差矩阵： * PCA变换： PCA反变换： 变换后均值为0，方差为： * ASIPP 基于PCA方法特征脸空间的构建 人脸识别就是将已检测到的待识别人脸与数据库中的已知人脸进行比较匹配，得出相关信息，来鉴别该人是谁。这一过程的核心是选择恰当的人脸表征方式与匹配策略，即选择合适的人脸模式的特征，根据所提取的特征进行匹配。 人脸特征表述 * ASIPP 基于PCA方法特征脸空间的构建 ORL标准人脸库由40人，每人10幅112×92图像组成。这些图像是拍摄于不同时期的；人的脸部表情和脸部细节有着不同程度的变化，比如，笑或不笑，眼睛或睁或闭，戴或不戴眼镜；人脸姿态也有相当程度的变化，深度旋转和平面旋转可达20度；人脸的尺度也有多达10％的变化。 ORL人脸库(英国剑桥大学) * ASIPP PCA介绍 基于PCA构建特征脸空间是对图像进行K-L变换，以去除样本间的相关性，然后根据特征值的大小选择特征向量。这种方法首先将人脸图像映射为高维空间的向量，然后应用基于统计的离散K-L变换方法，构造一个各分量互不相关的特征空间，即特征脸空间，再将人脸图像在高维空间中的向量映射到特征脸空间，得到特征系数。 基于PCA方法特征脸空间的构建 * ASIPP 特征值与特征图像 特征值 ORL 20人 10幅 × 特征脸空间 1 10 20 11 40 PCA构建特征脸空间 * K-L 变换的应用－人脸识别 * 图像的离散余弦变换 DCT矩阵的左上角代表低频分量，右下角代表高频分量 由DCT域图像我们能够了解图像主要包含低频成份 DCT域图像 空间域图像 * DCT变换编码 * DCT变换编码 * DCT变换编码 * DCT变换编码 * DCT变换编码 * DCT变换编码 * DCT变换编码 * DCT与PCA的关系 其特征值为： * 其特征向量为： 其根为： * 小波变换发展 1822年Fourier变换,在频域的定位最准确，无任何时域定位能力。 函数，时域定位完全准确，频域无任何定位能力 1946年Gabor变换，STFT，窗函数的大小和形状与时间和频率无关而保持固定不变。不构成正交基。 1980年Harr提出规范正交基。 1984年,Morlet提出了连续小波 1985年,Meyer,Grossmann,Daubecies提出离散的小波基 1986年,Meyer证明了不可能存在时域频域同时具有正则性的正交小波基，证明了小波的自正交性。 1987年,Mallat统一了多分辨率分析和小波变换，给出了快速算法。 1988年，Daubecies在NSF的小波专题研讨会进行了讲座。 * STFT 与 Wavelet * 应用：将小波用于地震信号的分析与处理；将二进小波变换用于图像的边缘检测、图像压缩与重构；将连续小波变换用于涡流的研究；将小波变换用于噪声中的未知瞬态信号；将小波变换用于语音信号的分析、变换和综合;将正交小波变换用于算子及拟微分算子的化简；将小波变换的自适应性用于解微分方程；将小波变换用于电磁场领域的若干问题研究等，都取得了初步成果。 * 波和小波（Wavelet） * * 2．连续小波变换（CWT） 小波变换的定义 设函数f(t)∈L2(R)，则小波变换的定义如下： 其中，积分核为 的函数族。a＞0为尺度参数（伸缩参数）,b为定位参数（平移参数），该函数称为小波。若a＞1函数ψ(t)具有伸展作用，若a＜1函数ψ(t)具有收缩作用。伸缩参数a对ψ(t)的影响如下图： * 随着参数a的减小，ψ(t)的支撑区也随之变窄，反之亦然。ψ(t)随伸缩参数a和平移参数b而变化如下图： 大a 小a * 图中小波函数为 。当a=2,b=15时，ψ2,15(t)的波形从原点向右移至t=15，且波形展宽。当a=0.5，b=-10时，ψ1/2,-10(t)的波形从原点向左移至t=-10,且波形收缩。 * 4） 几种小波 （1）Haar小波 * （2）Mexico Hat 小波 Mexico Hat 小波是Gauss函数的二阶导数： 它是实值小波，一般形式为： * （3）Morlet 小波 Morlet 小波是最常用的复值小波，它可由下式给出： * 小波变换双通道滤波器组 H0 H1 2 a0(n) a1(n) 2 2 2 G0 G1 * 用小波变换进行图像分解 八带分解示意图 (a) 一次二维DWT；