资源描述：
《基于小波多尺度和熵在图像字符特征提取方法的改进》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、基于小波多尺度和熵在图像字符特征提取方法的改进
2、第1内容加载中...关键词：多尺度分析Marr边缘检测算子判别熵特征提取在线签名验证是通过计算机采集和验证个人签名，从而实现无纸化办公的一种技术[1]。其中，从采集到的视频图像中提取有效的字符特片是在线签名验证系统的核心步骤。随着计算机和模式识别技术的迅速发展，出现了很多提取字符特征的方案，最具代表性的有边缘描述法和矩描述法[2]。描述边缘形状的方法可用曲线拟合和傅立叶描述子方法。傅立叶描述子虽较好地描述了一封闭的图像轮廓，但其特征很多，噪声和量化误差对具有较低幅值的系数影响较大。当用FFT计算傅立叶系数，必须将其
3、边界点的长度修成2的整数次幂，且其描述不具有三个（方向、位置、大小）不变性，不能直接用于目标识别，必须进行复杂的变换。这些都影响了它的使用。矩描述法就是利用图像灰度分布的各阶矩描述图像灰度分布的特征。矩特征是定义在整个图像空间上的一个二重积分，它同样不具有三个不变性，使用时必须进行归一化处理。不变矩只是一种旋转归一化方法，必须结合大小，位置归一化处理才有三个不变性。构成子空间AR{V2j}jez的尺度函数，小波函数ψ(α)j,α=1,2,3已分别由式(1)和式(2)给出，并由阵列{k1,k2},(k1,k1ΕZ2)，使得：其中，Cn,k1,k2=<fN,N
4、,k1,k2>同样，有：式中（6），j=N-1,Λ,N-M。fj是fN在f2j上的低通滤波信号，而gαj,α=1,2,3是fN在。式(7)便是二维信号fN或的有限正交小波分解的Mallat塔式算法[5]。通过实验，选用Daubechies8小波能达到较好的分解效果。对采集进入计算机的真实签名与伪造签名进行小波分解，限于遍幅，本文只给出了真实签名的一次分解图，如图书1所示。通常在实验中，借助Matlab6.5将真假签名的字符图像通过两个互补滤波器即低通滤波器和高通滤波器分别得到图像的相似和细节部分。相似子图主要是原始图像的全局、低频成分，而细节子图通常是原始
5、图像的局部、高频成分。细节子图又包括水平子图、斜向子图和垂直子图三部分。其中细节子图经过两次滤波：水平方向允许低频分量通过，而沿垂直方向允许高频分量通过。这对横向笔划（灰度变化沿水平方向为低频，沿垂直方向为高频）是增强，而对竖笔划（灰度变化沿水平方向为高频，沿垂直方向为低频）是平滑。垂直方向和斜方向的像素按同样的道理分别在垂直子图和斜子图中被突出表示。这种方向选择性与人眼视觉特性相吻合，使建立在此基础上的特征提以算法具有类视觉特性。图22零交叉边缘算子经典的边缘检测算子有Sobel算子、Laplace算子、Marr算子等，近年来又有学者提出了广义模糊算子[7]、
6、形态学边缘算[8]等。而Marr边缘检测算子▽2G被誉为最佳边缘监测器之一，所以本文采Marr算子。该算子的特点是利用高斯滤波器对图像进行平滑。二维高斯滤波器的响应函数。设f(x,y)为二值图像函数，由线性系统中卷积和微分的可交换性，得▽2{G(x,y)хI(x,y)}={▽2G(x,y)}хI(x,y)，即：对图像的高斯平滑滤波与拉普拉斯微分运算可结合成一个卷积子如下：用上述算子卷积图像，通过判断符号的变化确定出零交叉点的位置，就是边缘点。对小波一次分解后的真实签名的处理结果如图2所示。通过图2可以看出，Marr零交叉边缘算子同时提取了强、弱边缘，并且边缘相对
7、干净，噪声干扰少，连续性好。3基于判别熵最小化的特征提取不同的类样本占有不同的特征空间的区域，只要这些区域不相交叠，它们就可以分开。经常用样本间的平均距离作为特征提取的判据函数。重要的距离有Minko))表示各类分布之间的分离程度。这里n,m代表类别号。对特征提取来说，在给定维数d的条件下，求得这样d个特征，它使上述判别熵最小。为了计算方便，本文用下列函数-U(p,q)=ΣiΣj(pi,j-qij)2≤0代替W(p,q)，而不影响选取d个最优特征的结果。在不对概率分布作估计的情况下，可以用经过归一化处理的样本特征值代替上式中的概率分布。K是第一类样本集中的样本号
8、，N1是第一类的样本总数，i是特征号。由于，这样做是合理的。而U取最小值的坐标系统工程是由矩阵A=G(1)-G(2)满足一定条件的d个本征值相应的本征向量组成的。这里G(1)和G(2)分别是第一类样本集和第二类本集的协方差矩阵。即将矩阵A的本征向量uk对应的本征值λk,k=1,2,ΛD排队：选取本征值对应的本征向量为所要求的坐标轴系统，在这个坐标系统中判别熵最小。在实验中选取Shannon熵。表1和表2分别列出了真实签名和伪造签名分解后的各尺度图像的最小判别熵。由表1和表2的计算数据可以看出，通过小波一次分解后的最小判别熵的数据可以很明显地对真假签名进行鉴别。并
9、且，相似图形与细节图形的
