2019年基于小波变换的交通图像特征提取.docVIP

基于小波变换的交通图像特征提取 摘要：小波是一种用于多层次分解函数的数学工具。作为现代分析学开拓的一个新领域，目前小波变换已经广泛应用于信号处理、图像处理、模式识别、语音识别、量子物理、地震勘测、流体力学、电磁场、CT成像、机器视觉、机器故障诊断与监控、分形以及数值计算等等工程领域。本文就应用小波变换理论解决交通图像特征提取的问题，做了简单的分析。 关键词：小波变换；交通图像；特征提取 Abstract: The wavelet decomposition is a multi-level functions for mathematical tools. As a modern analytics opened up a new area, the current wavelet transform has been widely used in signal processing, image processing, pattern recognition, speech recognition, quantum physics, seismic surveying, fluid mechanics, electromagnetic fields, CT imaging, machine vision, machine fault diagnosis and monitoring, and numerical calculation of the fractal, and so engineering. In this paper, wavelet transform theory to solve the traffic issue of the image feature extraction, do a simple analysis.矚慫润厲钐瘗睞枥庑赖賃軔朧碍鳝绢懣硯涛镕頃赎巯驂雞虯从躜鞯烧。 Key words: wavelet transform；traffic images； Feature Extraction聞創沟燴鐺險爱氇谴净祸測樅锯鳗鲮詣鋃陉蛮苎覺藍驳驂签拋敘睑绑。 一、引言 基于小波包变换的图像分析法，主要是利用小波包对图像进行多尺度分解，然后在每个尺度上独立地提取特征，即把不同分解尺度上信号的能量求解出来，将这些能量值按尺度顺序排列形成特征向量供识别使用，这就是基于小波包变换提取多尺度空间能量特征的基本原理[1]。残骛楼諍锩瀨濟溆塹籟婭骒東戇鳖納们怿碩洒強缦骟飴顢歡窃緞駔蚂。 二、小波变换理论 小波分析方法是一种窗口大小（即窗口面积）固定但其形状可变，时间窗和频率窗都可改变的时频局部化分析方法。在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率。酽锕极額閉镇桧猪訣锥顧荭钯詢鳕驄粪讳鱸况閫硯浈颡閿审詔頃緯贾。 如果（表示平方可积的实数空间，即能量有限的信号空间），其傅立叶变换为。满足条件 时，称为一个基本小波或母小波。将母小波经伸缩和平移后可得到小波函数： 其中，为伸缩因子，为平移因子。 连续小波变换定义为： 是时间轴尺度伸缩参数，大的值对应小波伸展较宽；反之，小的值对应小波在时间轴上受到压缩。是时间平移参数，不同值的小波沿时间轴移动到不同的位置。系数是归一化因子，它的引入是为了使不同尺度的小波保持相等的能量。对于不同的母小波，同一信号的连续小波变换是不同的[2]。彈贸摄尔霁毙攬砖卤庑诒尔肤亿鳔简闷鼋缔鋃耧泞蹤頓鍥義锥柽鳗铟。 其重构公式（逆变换）为： 以上是，为连续取值的情况，把连续小波变换中尺度参数和平移参数的离散化公式分别取作和，就得到离散小波变换。在实际应用中，常令，，则小波变换具有如下形式：謀荞抟箧飆鐸怼类蒋薔點鉍杂篓鳐驱數硯侖葒屜懣勻雏鉚預齒贡缢颔。 其中，被称为二进小波，二进小波对信号的分析具有变焦距的作用。假定有一放大倍数，它对应观察到信号的某部分内容。如果想进一步观看更小的细节，就需要增加放大倍数即减小值；反之，若想了解信号更粗的内容，则可以减小放大倍数，即加大值。在这个意义上，小波变换被称为数学显微镜[3]。厦礴恳蹒骈時盡继價骚卺癩龔长鳏檷譴鋃蠻櫓鑷圣绋閼遞钆悵囅为鹬。 三、常用小波函数 与标准傅立叶变换相比，小波分析中所用到的小波函数具有不唯一性，即小波函数具有多样性，用不同的小波基分析同一个问题会产生不同的结果。在本节主要介绍一下文中所涉及以及在MATLAB中用到的小波函数。茕桢广鳓鯡选块网羈泪镀齐鈞摟鳎饗则怿唤倀缀倉長闱踐識着純榮詠。