吉林大学学报(工学版) ›› 2015, Vol. 45 ›› Issue (6): 1994-1998.doi: 10.13229/j.cnki.jdxbgxb201506037

• • 上一篇    下一篇

基于小波空间特征谱熵的数字图像识别

肖钟捷1,2   

  1. 1.武夷学院 数学与计算机学院,福建 武夷山 354300;
    2.北京航空航天大学 宇航学院,北京 100191
  • 收稿日期:2014-01-08 出版日期:2015-11-01 发布日期:2015-11-01
  • 作者简介:肖钟捷(1971-),男,副教授.研究方向:数字图像处理,模式识别与智能系统.E-mail:fjxzj@126.com
  • 基金资助:
    国家自然科学基金项目(61272351); 福建省自然科学基金项目(2013J01017)

Recognition of digital image based on wavelet space feature spectrum entropy

XIAO Zhong-jie1,2   

  1. 1.Department of Mathematics and Computer Science, Wuyi University, Wuyishan 354300, China;
    2.School of Astronautics, Beijing University of Aeronautics and Astronautics, Beijing 100191, China
  • Received:2014-01-08 Online:2015-11-01 Published:2015-11-01

摘要: 针对目前数字图像识别准确率不高的问题,重点研究了基于小波空间特征谱熵的图像特征提取方法。该方法利用小波变换前后能量不变的原理,构造小波能量模式矩阵,对该矩阵进行奇异值分解,并求取了奇异值的特征谱熵作为图像的特征。实验结果表明,本文提出的图像特征提取方法能够获得很高的图像正确识别率,证明了该方法的有效性和实用性。

关键词: 图像处理, 数字图像, 特征提取, 小波变换, 特征谱熵

Abstract: The current recognition accuracy of digital image is lower. To overcome this problem, the method of image feature extraction based on wavelet space feature spectrum entropy is proposed. According to the principle that the energy is equal before and after the wavelet transform, the matrix of wavelet energy model is constructed. Then, the singular value decomposition of the matrix is performed. Finally, the feature spectrum entropy of the singular value is taken as the image feature. Experimental results show that the proposed image feature extraction method can obtain higher image recognition accuracy, and the effectiveness and practicality are proved.

Key words: image processing, digital image, feature extraction, wavelet transform, feature spectrum entropy

中图分类号: 

  • TP391
[1] 张家怡. 图像识别的技术现状和发展趋势[J]. 电脑知识与技术,2010,21(6):6045-6046.
Zhang Jia-yi. Current situation and perspective of image recognition technology[J].Computer Knowledge and Technology,2010,21(6):6045-6046.
[2] 罗翌陈, 杨辉华, 李灵巧,等. SIFT算法在CUDA加速下的实时人物识别与定位[J]. 计算机科学, 2012, 39(11A): 391-394.
Luo Yi-chen, Yang Hui-hua, Li Ling-qiao, et al. STIF algorithm on the CUDA-accelerated real-time character recognition and positioning[J].Computer Science, 2012, 39(11A): 391-394.
[3] 张浩, 王玮, 徐丽杰,等. 图像识别技术在电力设备监测中的应用[J]. 电力系统保护与控制, 2010, 38(6): 88-91.
Zhang Hao,Wang Wei,Xu Li-jie,et al. Application of image recognition technology in electrical equipment on-line monitoring[J]. Power System Protection and Control, 2010, 38(6): 88-91.
[4] 孙继平. 基于图像识别的煤岩界面识别方法研究[J]. 煤炭科学技术, 2011, 39(2): 77-79.
Sun Ji-ping. Study on identified method of coal and rock interface based on image identification[J]. Coal Science and Technology, 2011, 39(2): 77-79.
[5] 吴忠, 朱国龙, 黄葛峰,等. 基于图像识别技术的手写数字识别方法[J]. 计算机技术与发展, 2011, 21(12): 48-51.
Wu Zhong,Zhu Guo-long,Huang Ge-feng,et al. Handwritten digit recognition based on image recognition system[J].Computer Technology and Development, 2011, 21(12): 48-51.
[6] 陈展东, 白宝兴, 韩成, 等. 数字识别算法研究[J]. 长春理工大学学报:自然科学版, 2010, 33(1): 147-151.
Chen Zhan-dong,Bai Bao-xing,Han Cheng,et al. Algorithm for numeral recognition[J]. Journal of Changchun University of Science and Technology(Natural Science Edition), 2010, 33(1): 147-151.
[7] 徐琴珍, 杨绿溪. 基于改进的混合学习模型的手写阿拉伯数字识别方法[J]. 电子与信息学报, 2010, 32(2): 433-438.
Xu Qin-zhen, Yang Lyu-xi. An improved hybrid learning model based handwritten digits recognition approach[J]. Journal of Electronics & Information Technology, 2010, 32(2): 433-438.
[8] 杜梅, 赵怀慈. 手写数字识别的研究[J]. 计算机工程与设计, 2010, 31(15): 3464-3467.
Du Mei, Zhao Huai-ci. Research on handwritten digit character recognition[J]. Computer Engineering and Design, 2010, 31(15): 3464-3467.
[9] Hammond D K, Vandergheynst P, Gribonval R. Wavelets on graphs via spectral graph theory[J]. Applied and Computational Harmonic Analysis, 2011, 30(2): 129-150.
[10] 丁伟杰, 周国民, 任文华. 基于小波分解和颜色熵的浮游生物图像识别[J]. 计算机工程, 2008, 34(14): 188-190.
Ding Wei-jie, Zhou Guo-min, Ren Wen-hua. Plankton image recognition based on wavelet decomposition and color entropy[J] . Computer Engineering,2008, 34(14): 188-190.
[1] 刘哲, 徐涛, 宋余庆, 徐春艳. 基于NSCT变换和相似信息鲁棒主成分分析模型的图像融合技术[J]. 吉林大学学报(工学版), 2018, 48(5): 1614-1620.
[2] 车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[3] 耿庆田, 于繁华, 王宇婷, 高琦坤. 基于特征融合的车型检测新算法[J]. 吉林大学学报(工学版), 2018, 48(3): 929-935.
[4] 董强, 刘晶红, 周前飞. 用于遥感图像拼接的改进SURF算法[J]. 吉林大学学报(工学版), 2017, 47(5): 1644-1652.
[5] 梁士利, 柴宗谦, 张玲, 吴颜生, 曹春雷. 基于偏X型细胞自动机的图像加密方法[J]. 吉林大学学报(工学版), 2017, 47(5): 1653-1660.
[6] 何光, 张铭, 袁双石. 微机电系统后坐保险机构温度相关动态特性[J]. 吉林大学学报(工学版), 2017, 47(1): 145-150.
[7] 尹明, 战荫伟, 裴海龙. 基于稀疏补算子学习的图像融合方法[J]. 吉林大学学报(工学版), 2016, 46(6): 2052-2058.
[8] 李健, 李赫宇, 姚汝婧, 吴林. 基于均值滤波的改进 Canny 算法在核磁共振图像边缘检测中的应用[J]. 吉林大学学报(工学版), 2016, 46(5): 1704-1709.
[9] 车翔玖, 梁森. 一种基于大顶堆的SPIHT改进算法[J]. 吉林大学学报(工学版), 2016, 46(3): 865-869.
[10] 季彦婕, 陈晓实, 王炜, 胡波. 基于小波变换和粒子群小波神经网络组合模型的有效停车泊位短时预测[J]. 吉林大学学报(工学版), 2016, 46(2): 399-405.
[11] 韩成, 张超, 秦贵和, 薛耀红, 杨帆, 范静涛, 刘文静. 大型正交多幕投影系统光辐射补偿算法[J]. 吉林大学学报(工学版), 2015, 45(4): 1266-1273.
[12] 刘红,孙爽滋,王庆元,李延忠. 基于PSO的模拟电路故障信息特征提取[J]. 吉林大学学报(工学版), 2015, 45(2): 675-680.
[13] 潘海阳, 刘顺安, 姚永明. 基于深度信息的自主空中加油技术[J]. 吉林大学学报(工学版), 2014, 44(6): 1750-1756.
[14] 李学军, 杨晟, 李振举, 杨阿华, 刘涛. 与高精度单点匹配式定位算法[J]. 吉林大学学报(工学版), 2014, 44(4): 1197-1202.
[15] 顾播宇,孙俊喜,李洪祚,刘红喜,刘广文. 基于特征加权模块双方向二维主成分分析的人脸识别[J]. 吉林大学学报(工学版), 2014, 44(3): 828-833.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!