但是由小波第二特徵点来分,就有机会可以成功的分出这.docxVIP

由這五類型來看，每個類型的小波數量都有一定的差距，雖然第一類與第三類的數量相近，但是由小波第二個特徵點來分，就有機會可以成功的分出這兩類型的圖像；第三類與第四類的紋路最沒有規則可言，所以小波分析出來的特徵會特別的亂且沒有規律；而第五類雖然每張的裂痕面積與深度不一樣，但沒有與前兩類這麼的不規律；因為我們要以每個點出現的機率來作判別，所以將特徵正規劃或許是一個比較合適的方法。 第一類： 圖(一)：平紋織物圖 M1:M2=0.9158: 0.0842 此圖型因為有層次，每個圖形的層次感都不相同，而且一張圖不是只有一個地方有層次感，所以在取特徵的時候會因為這個原因導致所提取的特徵會有落差。  第二類： 圖(二)：磚塊圖 M1:M2=0.9004: 0.0996 此圖型規律性很高，而且也沒有層次的關係，所以整體看來特徵還算穩定，只有低頻的地方因為每張出現的磚塊複雜度(如有許多小磚塊、有裂痕以及上面的小紋路)不同，所以會有些許的差異。  第三類： 圖(三)：義大利麵圖 M1:M2=0.9120: 0.0880 此類型的圖因為每張的突出輪廓不一定，義大利麵的多寡也有些差距，所以導致有明顯的落差。  第四類： 圖(四)：天空圖 M1:M2=0.9098: 0.0902 因為有些圖片雲的漸層每張都不一樣，而且陰影所占的面積也不同，所以會有少部分的特徵會特別突出。  第五類： 圖(五)：裂痕圖