基于小波和脊波变换的模式识别

摘要

近年来，模式识别在更多的学科和技术领域得到应用，是人工智能研究领域的重要分支，又是实现机器智能必不可少的技术手段。随着小波理论的不断完善，小波分析已经渗透到各学科领域。小波和脊波变换在模式识别上的应用还处于不成熟阶段，本论文的主要目的是去研究他们在模式识别方面的应用。 文中首先介绍了模式识别的研究背景，描述了模式识别的基本概念、应用以及国内外研究动态，阐述了模式识别技术的典型方法。论文第二章介绍了小波变换理论，分析了小波变换的特点，多分辨率分析的思想。 论文第三章基于多小波和神经网络的手写数字识别，首先介绍了多小波的定义和特点，人工神经网络的学习方法，如何把神经网络应用到模式识别中。对手写数字的轮廓进行正交多小波基延拓，得到不同层的分解尺度，然后把小波基系数输入神经网络进行识别。通过大量的实验数据分析，多小波神经网络在手写数字识别中取得了很好的效果。 论文第四章基于脊波变换的模式识别，重点介绍了小波变换和脊波变换在表达信号特征上的区别、脊波变换的理论、单尺度脊波变换及其实现方式，讨论了基于脊波变换的模式识别思想。提出了两种使用脊波变换提取特征的算法，为了使特征具有旋转不变性，运用了傅立叶频谱和小波周期旋转。这两种算法对噪声有较强的抗干扰性，大量实验数据表明这两种算法在模式识别应用中是个不错的选择。 最后一章，重点讨论了模式识别的发展趋势和存在的问题

目录

文摘

英文文摘

独创声明及学位论文版权使用授权书

0前言

1图像模式识别技术

1.1图像模式识别概述

1.2模式识别的基本方法

1.3模式识别研究的发展现状和研究热点

2小波变换的基本理论

2.1小波变换概述

2.2连续小波变换及离散小波变换

2.3多分辨率分析

3基于多小波和神经网络的手写数字的识别

3.1多小波理论

3.1.1多小波概述

3.1.2多小波定义

3.1.3多小波变换实现

3.2神经网络概述

3.2.1神经网络基本原理

3.2.2神经网络的主要特点

3.2.3神经网络的学习方法

3.2.4神经网络用于模式识别的结构

3.3基于多小波和神经网络的手写数字的识别

3.4实验结果分析

4基于脊波变换的模式识别

4.1脊波变换基本理论

4.1.1脊波和连续脊波变换

4.1.2离散脊波变换

4.1.3脊波变换的实现

4.2单尺度脊波变换

4.3脊波用于模式识别

4.4小波的周期旋转

4.5基于脊波变换的模式识别

4.6实验结果分析

4.6.1算法A

4.6.2算法B

5总结和展望

致谢

参考文献

附录