基于投影信号和小波分析的字符特征提取方法

《基于投影信号和小波分析的字符特征提取方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于投影信号和小波分析的字符特征提取方法本实验的目的：将直观易得但细分能力较差的字符投影信号，进行不同尺度下的额小波多分辨分解，分别在获得的近似成份中提取有效的特征向量字符的投影特征是一种计算简单直观，非常容易获得的特征，且投影特征对于剪切具有不变性的特点，但是投影特征的细分能力差小波分析被誉为信号分析的“显微镜”，是一种信号的时间——尺度（时间——频率）分析方法，它具有多辨析分析的特点，能在不同的尺度下对信号进行分解，提供局部分析和细化的能力。小波可以解释其它分析方法丢失的数据信息，如：趋势、变化、自相似性等。投影特征的描述二值化以后的字符图像表述如下：在图像上按列(j)对

2、字符进行扫描，记录作为垂直方向的投影量，取投影直方图的轮廓曲线作为字符垂直投影信号的描述。同样，对图像按行(i)进行扫描，可得字符的水平投影信号。从图2中可以看出，在字符的投影信号中包含着字符的结构特征信息和统计特征信息。小波分析泛函分析、调和分析、数值分析发展完美的结晶是基于小波变换的消磨分析技术与传统的Fourier分析相比较，小波分析可以用长的时间间隔来获得更精确的低频信息，用短的时间间隔来获得高频信息从图三可以看出，通过不断的分解过程，将近似信号连续分解，就可以将信号分解成许多低分辨率成分。多分辨分析过程的数学描述如下，平方积空间中的多辨析分析是指中满足单调性、逼近性

3、、伸缩性、平抑不变形和Riesz基存在性条件下的一个空间序列字符投影信号的小波分析投影特征的主要缺陷是细分能力差，易受到字体类型和大小的影响，解决办法是再进行一维小波多辨析分解，然后分别再分解得到的近似成分和细节成分中提取有效的特征量小波的选择小波的基函数有很多，如：Haar、Daubechies、Morlet、Meyer小波等等由于选用不同的小波基分析同一个问题会产生不同的结果，所以在具体应用中如何选取小波是一项至关重要的步骤。选取的小波应满足最基本的条件是：衰减性、波动性、及容许性；具体应用的时域和频域的局部性程度；计算复杂性和有效性，已经小波本身的一些特性本实验着重考虑

4、了小波的可离散变换性、紧支撑性、正交性和低复杂性，选取Daubechies（dbN）小波系中的db4作为小波基函数在小波分析中，可以通过选择不同的尺度大小，来完成对信号特性的分析，在大尺度上观察大的变化，在小尺度上观察细微的变化。信号中低频部分代表这信号灯额发展趋势，在小波分析中，对应着最大尺度小波变换的低频系数。随着尺度的增加，时间分辨率的降低，尺度分解中的低频部分所含有的高频信息会随之减少，剩下的就是信号的发展趋势了。而相应的高频系数，有代表了不同尺度下的逼近所产生的误差。因此，信号经过小波分析后产生的低频和高频系数是提取信号特征的基础只有选择适度的小波分解尺度才能保证所

5、提取特征的有效性。