一种低对比度车辆图像的小波特征提取方法技术

技术编号:4096427 阅读:354 留言:0更新日期:2012-04-11 18:40
本发明专利技术提供一种低对比度车辆图像的小波特征提取方法,属于图像特征处理技术领域。本发明专利技术先利用小波变换对图像进行塔式分解;然后对塔式分解后的小波高频系数采用增益函数进行增益处理,以提高高频细节部分对分类的贡献,最后对所有数据进一步进行分层归一化处理,将处理后的数据形成特征向量输入到分类器进行分类识别。本发明专利技术解决了现有的特征提取方式对低对比度图像进行特征提取后分类识别效果较差的问题,利用所提出的方法结合支持向量机分类器对Twilight图像进行车辆检测实验,与现有小波特征提取方法相比,明显提高了车辆识别率,大幅度降低了非车辆误识别率。

【技术实现步骤摘要】

本专利技术涉及,属于图像特征处理技术 领域。
技术介绍
特征提取是模式识别(pattern recognitor!)的关键,目前,在基于视觉的车辆 检测中,常用的特征提取方法包括小波特征提取(wavelet feature extraction)、主要(PCA feature extraction, primary component analysis feature extraction)、局部方向编码(L0C,local orientation coding)、伽柏特征提取(Gabor)等 方法。其中小波特征在车辆检测应用中非常具有吸引力,其主要原因在于以下三个方面第 一,小波特征能提供图像边缘及轮廓特征的紧凑描述;第二,小波特征能提供图像特征在不 同尺度下的描述;第三,小波特征的获取所需的计算资源量少。现有的基于小波特征的车辆图像模式识别流程如附图说明图1所示首先对车辆图像进行识别得到感兴趣区域(R0I,Region of Interest),之后进行 塔式分解;其次对小波系数进行相关处理,比如去掉第一层最高频(highest frequency), 选取较大的小波系数同时将本文档来自技高网...

【技术保护点】
一种低对比度车辆图像的小波特征提取方法,包括利用小波变换对图像进行塔式分解步骤、小波系数处理步骤、分类器检测步骤;其特征在于:所述小波系数处理步骤包括小波高频系数增益步骤和分层归一化步骤,其中:(一)、小波高频系数增益步骤:图像经小波变换塔式分解步骤后分为低频子带部分和高频子带部分,采用增益函数对小波高频子带部分进行增益处理,所述高频子带包括水平子带、垂直子带和对角子带,采用式(1)分层对小波高频系数进行增益处理,E(m↓[i,j])=W(m_max↓[i,j])×K(m↓[i,j])(1)其中,W(.)为增益权值,K(.)为增益函数,i=1,…,N-1,N为小波塔式分解的层数,j=1,2,3...

【技术特征摘要】
一种低对比度车辆图像的小波特征提取方法,包括利用小波变换对图像进行塔式分解步骤、小波系数处理步骤、分类器检测步骤;其特征在于所述小波系数处理步骤包括小波高频系数增益步骤和分层归一化步骤,其中(一)、小波高频系数增益步骤图像经小波变换塔式分解步骤后分为低频子带部分和高频子带部分,采用增益函数对小波高频子带部分进行增益处理,所述高频子带包括水平子带、垂直子带和对角子带,采用式(1)分层对小波高频系数进行增益处理,E(mi,j)=W(m_maxi,j)×K(mi,j)(1)其中,W(·)为增益权值,K(·)为增益函数,i=1,…,N 1,N为小波塔式分解的层数,j=1,2,3,j=1表示水平子带细节,j=2表示垂直子带细节,j=3表示对角子带细节;mi,j表示第i层j对应子带小波系数,m_maxi,j为第i层j对应子带系数幅值的最大值;式(1)中W(m_maxi,j)=〔σ_maxi/σi,j〕(2)其中,σi,j代表第i层j对应子带系数的标准方差,其中,代表第i层j对应子带小波系数的均值,n代表第i层j对应子带小波系数的个数;σ_maxi为第i层三个子带系数的标准方差的最大值; <mrow><mi>K</mi><mrow> <mo>(</mo> <msub><mi>m</mi><mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi></mrow> </msub> <mo>)</mo></mrow><mo>=</mo><mfrac> <mrow><mi>S</mi><mo>[</mo><msub> <mi>&alpha;</mi> <mrow><mi>i</mi><mo>,</mo><mi>j</mi> </mrow></msub><mrow> <mo>(</mo> <msub><mi>m</mi><mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi></mrow> </msub> <mo>-</mo> <msub><mi>&beta;</mi><mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi></mrow> </msub> <mo>)</mo></mrow><mo>]</mo><mo>-</mo><mi>S</mi><mo>[</mo><mo>-</mo><msub> <mi>&alpha;</mi> <mrow><mi>i</mi><mo>,</mo><mi>j</mi> </mrow></msub><mrow> <mo>(</mo> <msub><mi>m</mi><mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi></mrow> </msub> <mo>+</mo> <msub><mi>&be...

【专利技术属性】
技术研发人员:文学志方巍郑钰辉
申请(专利权)人:南京信息工程大学
类型:发明
国别省市:84[中国|南京]

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1