基于小波分析的视频图像字符特征提取方法研究

文章提出了一种基于小波变换的字符小波特征向量提取方法。通过对字符图像的小波分解子图求取风格特征向量，构造出字符的小波特征向量。该特征反映了图像字符结构特征和统计特征的综合信息，特征向量稳定、简单、算法快，且特征提取方法具有类人视觉特点。     

图像的小波矩

本文从一般特征矩的定义入手,导出极坐标系下图像的小波矩,进而给出对图像进行多分辨小波变换后,利用任一尺度下的逼近系数构造小波矩和基于小波模极大值边界图像构造小波矩两种方法.最后,经实验验证了本文构造图像小波矩方法的有效性.     

基于小波变换与图像不变矩的遥感图象匹配研究

小波变换具有数据压缩和检测局部突变的能力,而图像空间不变矩对于平移、旋转、比例缩放、灰度对比度变化具有不变性.两者优势的结合不但可以有效减少遥感图像匹配的计算量,而且还可以减弱对于图像采集平台拍摄方位、拍摄距离、角度气象条件等的依赖性,提高算法的实用性.     

基于小波变换的视觉信号特征提取方法

该文提出了一种用于视觉信号特征提取的新方法将CCD获取的图像投影后的信号波形进行小波变换。当小波的尺度选择恰当时,小波变换结果的零交叉点可用于确定图像的中心。实验结果表明,该方法相对于其他方法对随机误差的干扰具有更强的鲁棒性。     

应用最优小波包变换的特征提取方法

在模式识别或分类中,从原始模式中提取有效的分类特征是非常重要的.但对于大量的非平稳或时变信号模式来说,如语音,雷达,地震信号等,用于分类的特征往往包含在局部的时-频信息中,用一般的变换方法提取有效的特征比较困难.近年来小波变换在信号处理和特征提取中得到了广泛应用,但小波包变换的任意多尺度分解特性,是分析非平稳信号更有效的方法,这是由于小波库中包含了丰富的小波包基,不同的小波包基具有不同的性质,反映不同的信号特性,能获取其他变换所不能获取的信号特征.本文主要研究由给定的训练样本集,如何选择最优小波包基,从被识别或分类的信号中提取具有最大可分性的特征.为此提出了应用三种可分性准则,即距离准则,散度准则和熵准则选择最优基.通过实验,对应用各准则选择最优基提取特征与小波基提取特征的性能进行了比较.     

基于小波变换的字符图像分割

为了消除明暗不均等低频干扰的影响,将字符成功地从车牌图像中提取出来,提出了基于小波分解的车牌图像分割方法,根据干扰信号与字符信号属于不同频域的特点,利用小波的时频局部化分析能力,在保留字符信息的同时滤除或抑制低频干扰成分。首先采用逐行逐列扫描的方法对图像预处理后的图像进行车牌定位,再利用基于小波变换的阈值分割法对车牌进行字符分割。     

基于小波和LNMF的人脸特征提取方法研究

本文提出了利用小波变换(WT),局部非负矩阵分解(LNMF)来进行人脸特征提取的方法.用小波变换对人脸图像进行分解,选择最低分辨率的子段,既能捕获到人脸的实质特征,又有效地降低了计算复杂性;而非负矩阵分解方法克服了PCA、ICA等传统方法在人脸图像特征提取时速度慢、识别率低的缺点.实验结果表明,这种方法对光照变化、人脸表情和部分遮挡不敏感,具有良好的健壮性和较高的识别效率.     

基于小波矩不变量的模式识别方法

为了得到一组局产最优的特征组,提出一种结合分散度和顺序前进法（ＳＦＳ）的特征选择方法。实验结果表明小液矩不变量比Ｚｅｒｎｉｋｅ矩不变量有更好的识别效果,尤其对于形体相似的物体,效果更明显。     

基于小波变换的特征提取方法分析

论文提出并讨论了四种基于小波变换的特征提取方法基于小波变换的模极大值特征、基于小波分解的能量特征、基于小波包分解的熵特征以及基于适应性小波网络的特征提取方法,阐述了各方法的基本原理及实现过程,并将其用于水声信号的特征提取,通过分类结果比较,分析了各种方法的特点及适用性。     

基于IMF能量矩特征提取方法

针对辐射源中的信号识别问题中特征提取困难,提出了一种基于总体平均经验模式分解的IMF能量矩特征提取方法,并且与K最近邻分类相结合用于信号识别。首先利用总体平均经验模态分解方法把信号分解成为若干个IMF,再将重要的IMF分量关于时间轴的积分,得到IMF能量矩的特征向量,最后借助K最近邻的分类(KNN)能力对特征向量进行分类,文中对十类FSK仿真信号分类表明,该方法能够有效、准确地识别信号。     

基于二次网格的字符图像特征提取方法

为了提高字符识别率,克服传统字符特征提取方法复杂、计算量大等问题。文中提出了一种基于二次网格化的字符特征提取方法。将字符二值图像划分为4个网格,提取出字符轮廓的曲率特征;并将字符图像划分为32个网格,依次提取出各自网格的占空比、质心、散度3组特征。该方法兼具结构特征与统计特征的优点,对笔画结构相近的字符较易于区分,该方法抗干扰能力强,且足够稳定。通过对1 500张字符二值图像进行实验,其结果表明,该方法对字母与数字的识别准确率达到了97%以上,相较于其他特征提取方法有大幅提高。     

一种基于组合不变矩的新的舰船图像目标识别方法

利用图像的不变矩特征进行目标识别是一种有效的方法.通过比较Hu矩、仿射不变矩和小波不变矩的特点和适用条件,提出了一种运用部分Hu矩、仿射矩和小波矩组合来识别舰船图像目标的方法.仿真实验结果表明,该组合矩对于提高舰船图像目标的识别率是有效的.     

基于小波包-LPCC的说话人识别特征参数

论文研究了小波包变换及LPCC参数的提取，在此基础上，提取了基于小波包变换和LPCC的新参数（DWT-LPCC），并基于GMM系统进行说话人识别实验。结果表明，相对于LPCC参数，DWT-LPCC参数大大提高了噪声环境下的说话人识别率。     

基于平移不变的小波变换去噪快速算法

在介绍小波变换去噪理论的基础上,针对传统的小波变换去噪算法的缺陷,提出了一种基于平移不变的小波去噪快速算法.着重探讨平移不变小波去噪方法中平移量的选取对去噪效果以及计算复杂度的影响.仿真实验证明该算法能够在不影响去噪效果的前提下,较大程度降低计算复杂度.     

基于图像不变特征的目标识别新方法

基于飞机目标分析了NM(I归一化转动惯量)、不变矩、轮廓矩三种图像特征的不变性,提出了目标NMI特征提取的新方法。实验表明,基于新方法提取的NMI特征与传统的NMI特征、不变矩提取算法相比,具有良好的平移、旋转、比例不变性,且提取方法简单,易于实现。     

基于Gabor变换的高鲁棒汉字识别新方法

本文提出了针对字符图像的基于Gabor变换的汉字识别新方法.在对Gabor变换深入分析的基础上,本文针对汉字图像的统计信息,提出了一种有效的Gabor滤波器组参数优化方法;同时,对Gabor滤波器组的输出进行非线性变换,使其适应不同亮度和低质量灰度字符图像的识别.本文还改进了分块特征的抽取算法,提高了对字符细节的分辨能力.实验表明,这种特征抽取方法大大加强了识别系统抵御图像噪声、干扰、亮度变化、笔画模糊、笔画断裂以及字符形变的能力,在应用于各种低质量的二值或者灰度的印刷和脱机手写字符图像识别时,能获得较其他算法更良好的识别性能.     

基于小波结构矩的图像识别算法

提出了一种基于小波结构矩的具有平移、旋转、缩放不变性的新型图像识别方法.小波结构矩是在小波矩的基础上通过改变图像函数的结构即几何矩的密度得到的.该算法结合了小波和结构矩的优点,不但实现了对图像特征的精细把握还增大了相似图像之间的距离.采用三次样条函数作为母小波,有效提取了图像的全局特征和局部特征.实验证明,小波结构矩比改进的Hu矩和结构矩具有更高的识别率,目前该算法已经成功运用到全自动金丝球焊机图像识别系统.     

基于时频变换的弹道目标微多普勒特征提取

微多普勒特征是识别弹道目标的重要手段.文中从空间弹道导弹和诱饵散射点微动模型出发,提出了一种基于时频二维像不变矩的微多普勒特征提取方法.该方法首先对导弹和诱饵进行时频变换,然后提取了图像中的7个Hu不变矩作为目标识别的特征.通过仿真实验,分析了特征组合对识别效果的影响,并提出了最优特征组合.文中还评估了特征矢量在不同信噪比条件下的稳定性,试验结果表明,时频像不变矩特征对信噪比变化具有一定的稳定性.     

基于组合不变矩特征的空中目标识别方法

根据NMI特征和Jan Flusser提出的仿射不变矩各自的特点和适用条件,提出了一种组合不变矩.利用组合不变矩提取图像的不变特征向量,并结合Fisher线性判别准则,实现了对空中目标的Fisher线性判别器(FLDA)的分类识别.同时,考虑到识别的快速性方面,对FLDA进行了改进,提出了主分量分析(PCA)与FLDA相结合的识别算法.仿真实验结果表明,该方法具有较高的识别精度和速度.