一种基于平稳变换小波特征和矩的分类新方法

摘要

为了研究利用小波特征进行信号特征提取和生成的可行性，我们提出了基于平稳变换小波特征和矩的分类方法。对基于小波特征的视频信号检测器的每帧信号进行连续小波特征的信号特征提取和生成实验，在处理大的图像分类变化时存在问题。在成功转换的特征案例中，矩形显示找到的信号区域

关键字

图像分类，数据库，特征提取与生成，MPEG7，模式识别

介绍

数据库的效果，当运行在编码社区中使用的众所周知的测试序列。这个序列包含帧。探测器在近正面信号下工作良好，可处理小旋转，但在旋转较大时失效。展示了部分变换后的特征结果。这两个输出，分别是指找到一个信号和没有找到一个信号[1-3.]。从整个曲线来看，我们估计帧周围没有被正确报告为有信号。变换特征率的信号变换特征库。它代表一个被找到的信号，它代表数据库中没有被找到的信号。所有帧都报告为具有信号。大多数失败仅仅是由于缺乏大旋转下的信号训练数据，因为信号转换特征中使用的分类器是通过学习近额叶信号来训练的。有人可能会说，可以通过在训练数据集中添加更多的大旋转信号来学习覆盖具有大旋转的信号。这大大增加了学习过程的难度。事实上，正是小波特征之间的刚性空间耦合限制了它的图像分类覆盖范围。我们证明，如果我们放松特征之间的刚性连接，即如果我们采用可变形的信号图[4，5]，我们可以处理大旋转的情况。在特征提取和生成之前，必须选择一组面部特征。变换后的特征全部采用显著系数，取得了较好的效果。由于我们的任务是跟踪特定的信号，因此应该采用个人特征响应模式来获得可靠的特征提取和生成。特征提取和生成是在新的视频帧中寻找最匹配的变形信号图。通过确定匹配的搜索路径，并将旋转不变矩问题转化为模式问题，给出了一个变形信号图的例子。从距离变化的角度对变形进行了约束。其他约束条件，如相对角度也是可以选择的。

方法与材料

我们根据所做的工作构建了一个特征池，其中我们只选择由信号转换特征数据库捕获的重要特征。如果单个特征的响应幅度高于预定义的阈值，则选择该特征。它显示了在我们的数据库中选择的一个典型特征集。白色矩形是小波特征。一个矩形包括白色和相邻的黑色矩形，但黑色矩形不用于可视化图像分类。选取小波人脸特征集进行特征提取和生成。原信号图以变形图为例。我们只使用突出的小波特征和对检测信号的大响应。通过对所有选定的小波特征进行空间排列，形成信号图。该信号图稍后将用于信号特征提取和生成。 Dynamic Programming is used for matching signal graphs extracted from different video frames. A major difference between the new scheme and the old scheme lies in the treatment of the selected feature set. In the old scheme, the features are rigidly connected, while a certain shift between features is allowed in the new scheme. Another difference is that a simple selection of features is used, that is, only the prominent features whose response have big magnitudes are adopted. When the signal transformed features database fails to detect the signal due to big rotation of signal, Dynamic Programming could be used to search for an optimal matching between the new frame and previous frame in which the signal is detected. In this way, the signal area is found through a matching process and not by a transformed features process, and we do not assume any knowledge of the signal in this process. The feature extraction and generation of a wavelet feature set. It is typically used in one- dimensional (pattern) matching problem. In order to use it for Rotation Invariant Moments problem, a straightforward way would be to convert the Rotation Invariant Moments problem into a pattern case. One simple way is to use a matching path to link all the Rotation Invariant Moments components. Although we would lose one dimension of constraints in such an adaption, we still could be able to sustain the Rotation Invariant Moments constraints somewhat if we carefully select the matching path.图1显示MPEG-7数据库的样本图像。由于运动到像平面的正交投影可以用仿射变换来近似，在我们的例子中，特征集的变形，矩形的布局因此应该在仿射变换的约束下以“均匀”的方式移动。这意味着模式匹配路径在通过所有组件时可以交叉自己。路径应该是一条最短路径，或者至少是一条经济路径，因为累积变形应该限制在构件之间的单个变形。以循环路径为例，不同的图结构可以用于分类，如连续曲线路径或路径。虽然生成树结构似乎更适合表示信号结构，但我们在这项工作中只尝试了简单的曲线路径。一个信号图路径的例子，它以低成本的顺序连接矩形的中心。找到一条连接所有组件的路径是完全相同的问题，可以采用著名的模拟退火方法来寻找这样的路径。一个链接的特征集由变形信号图组成。我们再次使用动态规划技术，进行匹配图像分类。 The trellis structure of the searching path used by the algorithm.

结果与讨论

横轴表示一组有序模式识别。它是指路径上的小波特征。其任务是在模板图像特征和新的输入图像特征之间找到一个全局最优匹配。它允许在搜索过程中变形，其中It指的是模板特征，I指的是新的输入特征。这可以通过允许每对特征组件之间的变形来实现。它显示了模板中的两个矩形，以及变形后的矩形。每对之间的变形范围取决于它们之间的距离，只有当它们的距离满足变形范围的关系，并且是原始模板特征对之间的距离时，才允许进行模式识别序列。在我们的实验中，我们选择允许MPEG-7数据库变形，即在模式识别和定位处的局部匹配是模板特征响应与输入特征响应之间的距离:其中是距离的函数，距离越大越小，也称为局部匹配代价。函数表示小波特征的响应。在我们的工作中，我们选择一个距离的指数函数:是一个常数系数的归一化，它是曲率。 The goal is find the allowed deformation that maximizes the sum of all pattern recognition matches, or a global cost: and the search is performed along the ordered pattern recognition path. The search includes the following steps: At pattern recognition, check the matching costs in previous step. Those costs are saved in all sites in the previous pattern recognition. For each site, determine the search according to allowed deformation range. For each site, take the largest cost within the radius as its own cost step, and save the previous node. This step encodes global the deformation information into the search process. It does the accumulation and advances the accumulated score forward in the trellis. Perform the local matching and evaluate match cost for all possible sites in current pattern recognition. The total matching cost up to the current pattern recognition could be calculated as the accumulated cost in pattern recognition are coefficients for the local match and the global match respectively. These coefficients could be adjusted to control the deformation behavior. Unfortunately there is no known way to find the optimal values. They have to be adjusted through empirical experience. When the search approaches the end pattern recognition, the node with the highest score at end pattern recognition is extracted and the stored list of visited nodes are backtracked to find the matching path. One such path represents a matched deformed signal graph. The algorithm always finds a global, optimal matching. Due to the accumulated deformation effect, at the end, the deformation could be rather big and strange feature pattern could be expected.图2使用图像分类方法对图像进行分类。缓解这个问题的一个常用技巧是限制第一个模式识别和最后一个模式识别之间的距离。基于可变形信号图算法，建立了信号变换特征库，并进行特征提取和生成。一个用于信号转换特征，一个用于信号特征提取和生成。信号检测器和模块都利用了小波特征。积分图像的预计算只需要做一次。

结论

在我们的实验中，该模块和动态规划模块都使用平稳转换特征和矩在分类中搜索整个图像区域。数据库在帧大小像素上以每秒视频帧的平均速度运行。在这个实验中，我们尝试检测信号区域的位置。目的是检查如何处理图像分类变化。我们的信号检测数据库计算检测框图。

致谢

本文是伊朗乌尔米亚伊斯兰阿扎德大学乌尔米亚分校研究委员会批准的一项研究项目的结果。作者要感谢乌尔米亚分校，伊斯兰阿扎德大学的所有支持。

参考文献

1. Sedghi T.，“一种快速有效的循环分析模型及其在分类中的应用”，《阿拉伯科学与工程杂志》第38卷，2012年10月。
2. A. Abdullah和Marco A. wiering“CIREC:使用MPEG-7描述符的聚类相关图图像检索和分类”，2007年IEEE图像和信号处理中的计算智能研讨会论文集(CIISP 2007)。
3. 马琳·费雷卡图，诺扎·布杰马，“基于主动相关反馈的交互式遥感图像检索”，《地球科学与遥感学报》，VOL. 45, NO. 1。2007年4月4日。
4. 曹福元，梁继业，梁亮，“一种新的分类数据聚类初始化方法”，应用专家数据库36(2009)10223-10228。
5. Alberto Amato, Vincenzo Di Lecce“快速图像检索数据库的基于知识的方法”《图像与视觉计算》26 (2008)1466-1480