Gabor小波及應(yīng)用+空間頻率的定義+方向性+2D-Gabor圖形示意圖(量化為模版)

1、Gabor小波及應(yīng)用一 基本概念1. 小波變換與Fourier變換1）CTFT ( continuous time Fourier Transform) 2) DFT (Discrete Fourier Transform) 2. Fourier變換的缺點1） 求解或時，要用到所有的輸入信號。2） 不能具有頻率為的信號在的位置。3. 小波變換4. 小波的尺度和平移5. 小波變換的實質(zhì)6. 二維灰度圖像的頻率特性及提取空間頻率 (spatial frequency) :指的是單位空間內(nèi)影像的變化程度(How rapidly a stimulus changes across space.)，通常

2、以視角為其單位，描述此單位內(nèi)影像亮度變化的週期，並以”cycles per degree”為其單位，透過傅立業(yè)分析（Fourier analysis）（Campbell & Robson, 1968）我們可以利用視角內(nèi)空間頻率分佈情形來描述一張影像的內(nèi)容。且呈現(xiàn)方向性。二、 二維Gabor變換圖像的頻率特征提取要考慮頻率的大小和“方向”。1. 定義2. 參數(shù)選定三、應(yīng)用三、應(yīng)用實現(xiàn)舉例：三個頻率四個方向共計12種組合的Gabor變換。SVM介紹一、 機器學(xué)習(xí)的概念：二、 機器學(xué)習(xí)的數(shù)學(xué)描述三、經(jīng)驗風(fēng)險最小化原則四、SVM統(tǒng)計學(xué)研究的是樣本數(shù)目趨于無窮大時的漸進(jìn)理論，但在實際遇到的問題中

3、樣本數(shù)往往是有限的，因此傳統(tǒng)的機器學(xué)習(xí)方法在實際應(yīng)用中效果不理想。Vapnik從70年代后期開始就一直從事統(tǒng)計學(xué)習(xí)理論的研究。統(tǒng)計學(xué)習(xí)理論(Statistical Learning Theory, SLT)是為解決有限樣本學(xué)習(xí)問題而建立的一種機器學(xué)習(xí)理論，而支持向量機(Support Vector Machine SVM)正是以此為基礎(chǔ)建立起來的一種新的通用學(xué)習(xí)方法。該算法在解決非線性、小樣本和高維輸入空間等分類問題中表現(xiàn)出很多特有的優(yōu)勢。1） 線性可分的分類面定義1 （分類問題）根據(jù)給定的訓(xùn)練集(5-1)其中，是樣本點的個數(shù)。尋找上的一個實值函數(shù)，從而用決策函數(shù) (5-2)判斷任一模式相對應(yīng)的值。分類問題的實質(zhì)就是尋找把上的點分成兩部分的規(guī)律。定義2（最優(yōu)分類超平面）如果訓(xùn)練樣本能夠被無誤差地分類，并且每一類數(shù)據(jù)與超平面距離最