基于小波分析的视觉检测技术研究
不同特征的字符识别效果比较
特征
Hu矩 小波系数表示的矩 Zernike矩
所用特征数
7 7 26
识别准确率
75.4％ 73.7％ 98.7％
26
小波矩 37
99.4％
100％
基于小波分析的视觉检测技术研究
相似汉字识别样本
基于小波分析的视觉检测技术研究
相似汉字的识别结果
旋转不变性小波矩
• Zernike矩中的径向多项式 {Rnm ( )} 是一 个定义在变量 全局范围内的函数，因 而其所提取的特征也是图像的全局特征； 如果我们能够定义一个在变量 局部范 围内的函数，则其所提取的特征也应是 图像的局部特征 。 • 小波分析是一种多分辨率分析。因此局 部函数可以取为小波函数
55 50 45 40 35 30 25 20 15 10
12
14
16
18
20
22
24
26
28
30
小波矩特征 ◇：mip00002的特征； * ：mip000021的特征； + ：mip00003的特征； ○ ：mip000031的特征； △：mip00004的特征； □ ：mip000041的特征；
基于小波分析的视觉检测技术研究
旋转不变性小波矩的推导
母小波
( , ) g ( )e
1 2
j
( s ,s )( , ) ( , ) s1 g (s1 ( )) s2 e
js2 ( )
旋转后的信号
f ( , )
f ( , )
Wf 0 ((s1 , s2 ), ( , )) Wf 1 ((s1 , s2 ), ( , ))
旋转不变性小波矩的计算
——基于FFT的快速小波矩算法
i , k , l ( , ) 2 g (2 k ) l e
i i 2 jl
f ( , )
小波变换及应用 （图像识别）
基于小波分析的视觉检测技术研究
概述
• 特征提取是识别的关键 • 特征应具有平移、缩放和旋转不变性 • 现有不变矩、Zernike矩、傅氏描绘子 等反映的是目标的全域信息 ，难于把握 细节特征 • 小波分析是一种多尺度分析，可以由粗 及精地提取信号的特征。 但却不具有平 移、缩放和旋转不变性
第一步 ：用FFT计算
第二步：对序列作
fl ( )
f l ( ) l 小波变换
基于小波分析的视觉检测技术研究
数值实验
mip00002.bmp mip00003.bmp mip00004.bmp
mip000021.bmp
mip000031.bmp
mip000041.bmp
3种图标及其旋转Βιβλιοθήκη n f n ( )e

jn
1 fn ( ) 2
i 2 i

2
0
f ( , )e jn d
Wf (i, k , l ) 2 f l ( )2 g (2 k ) l d
0
1
计算过程分离为在相位区域 0 2 和径向区域 0 1 依次进行
特征数 1 75% 2 88% 3 95% 4 100% 5 100% 6 100% 7 100% 8 100% 9 100%
识别率