[发明专利]一种图形识别分离的同步压缩曲波变换方法

说明书

技术领域

本发明涉及计算机视觉领域，具体涉及一种图形识别分离的同步压缩曲波变换方法。

背景技术

小波变换以其多尺度分析的优势得到了时频分析研究者的重视与青睐。但是小波变换并不具备方向因子，因此在二维数据的分析中出现边缘模糊等现象，分析效果并不理想。

发明内容

为了解决上述问题，本发明提供了一种图形识别分离的同步压缩曲波变换方法，首先引入压缩曲波变换，然后又进行波矢量聚类分离，最后进行曲波逆变换，从而有效解决上述问题。

本发明提供的技术方案是：一种图形识别分离的同步压缩曲波变换方法，所述方法包括步骤：对图像进行预处理；对预处理后的图像进行同步压缩曲波变换得到对应的曲波成分；对得到的曲波成分进行聚类分离；对分离后的曲波成分进行曲波逆变换还原图像各成分。

本发明的有益效果是：本发明提供了一种图形识别分离的同步压缩曲波变换方法，通过利用同步压缩算法对图像中每个位置的波矢量成分进行了分析，从而实现了对图像方向信息的量化表达。将同步压缩与曲波变换相结合，填补了曲波变换中方向信息描述的空缺。实现了对图像的线奇异特性具有较好的分析效果，对图像中具有各项异性的成分能够实现较好的稀疏表示。同时，该方法本身具备一定的抗噪能力，有利于对目标对象进行更加精确分析。

附图说明

图1是本发明第一实施例中图形识别分离的同步压缩曲波变换的整体流程图；

图2是本发明第一实施例中对图像进行同步压缩曲波变换的具体步骤流程示意图；

图3是本发明第一实施例中使用v_f(a，θ，b)的实部对曲波能量进行重新分配的具体步骤流程图；

图4是本发明第一实施例对得到的曲波成分进行聚类分离的具体步骤流程图；

图5是本发明第一实施例的点集的族及分离定义的步骤流程图；

图6是本发明第二实施例的曲波变换时频示意图；

图7是本发明第二实施例的正弦波曲波示意图；

图8是本发明第二实施例不同参数下的正弦波曲波示意图；

图9是本发明第二实施例不同参数下的正弦波曲波重构示意图；

图10是本发明第二实施例中噪声抑制示意图；

图11是本发明第二实施例中选取合适角度参数进行图像分离示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地描述，下文中提到的具体技术细节，如：方法，设备等，仅为使读者更好的理解技术方案，并不代表本发明仅局限于以下技术细节。

本发明的第一实施例提供了一种图形识别分离的同步压缩曲波变换方法，通过利用同步压缩算法对图像中每个位置的波矢量成分进行了分析，实现了对图像方向信息的量化表达，对图像的线奇异特性具有较好的分析效果，对图像中具有各项异性的成分能够实现较好的稀疏表示。请参阅图1，图1是本发明第一实施例中图形识别分离的同步压缩曲波变换的整体流程图，具体步骤包括：

S101：对图像进行预处理，具体包括：截取有效数据；将有效数据中的不规则数据归一化；对归一化后的数据进行边缘平滑处理。

S102：对预处理后的图像进行同步压缩曲波变换得到对应的曲波成分。

S103：对得到的曲波成分进行聚类分离。

S104：对分离后的曲波成分进行曲波逆变换还原图像各成分，还原后的具体形式为

所述图形识别分离的同步压缩曲波变换方法储存和计算成本较高。假设给定的数据f(x)的大小为L×L，其中有K个波数为O(L)的分量。每个同步压缩的能量围绕分布在其2D波矢量周围，距离为因此，满足T_f(v，b)≥δ的非零网格点在4D相位空间的类别总数为KL⁴∈，可见聚类规模较大并不实用。为了降低成本，我们可以先在每个位置上对波矢量应用类似的方法聚类，使得每个位置得到O(K)个簇。然后再将聚类方法应用于4D相位空间中简化后大小为O(KL²)的点集中。

参见图2，图2是本发明第一实施例中对图像进行同步压缩曲波变换的具体步骤流程示意图，具体包括：

S201：进行曲波变换得到目标函数f(x)的曲波表达式和梯度。其中，所述曲波表达式为W_f(a，θ，b)，梯度为

S202：所述f(x)为K个具有明显曲线奇异性图像的叠加。