[发明专利]一种低对比度车辆图像的小波特征提取方法

权利要求书

1.一种低对比度车辆图像的小波特征提取方法，包括利用小波变换对图像进行塔式分解步骤、小波系数处理步骤、分类器检测步骤；其特征在于：所述小波系数处理步骤包括小波高频系数增益步骤和分层归一化步骤，其中：

(一)、小波高频系数增益步骤：

图像经小波变换塔式分解步骤后分为低频子带部分和高频子带部分，采用增益函数对小波高频子带部分进行增益处理，所述高频子带包括水平子带、垂直子带和对角子带，采用式(1)分层对小波高频系数进行增益处理，

E(m_i，j)＝W(m_max_i，j)×K(m_i，j)    (1)

其中，W(·)为增益权值，K(·)为增益函数，i＝1，…，N-1，N为小波塔式分解的层数，j＝1，2，3，j＝1表示水平子带细节，j＝2表示垂直子带细节，j＝3表示对角子带细节；m_i，j表示第i层j对应子带小波系数，m_max_i，j为第i层j对应子带系数幅值的最大值；式(1)中：

W(m_max_i，j)＝〔σ_max_i/σ_i，j〕    (2)

其中，σ_i，j代表第i层j对应子带系数的标准方差，其中，代表第i层j对应子带小波系数的均值，n代表第i层j对应子带小波系数的个数；σ_max_i为第i层三个子带系数的标准方差的最大值；

K(mi,j)=S[αi,j(mi,j-βi,j)]-S[-αi,j(mi,j+βi,j)]S[αi,j(1-βi,j)]-S[-αi,j(1+βi,j)]---(3)]]>

式中S[·]代表非线性函数，其中e为自然对数底且e为常数，α_i，j为控制增益函数曲线形状的参数，β_i，j为S[·]函数的临界点，β_i，j＝σ_i，j/2；

(二)分层归一化步骤：

经以上增益处理后，将每一层小波数据按公式(4)归一化到[0，1]；

e_i，j＝(m′_i，j-min_value_i，j)/(max_value_i，j-min_value_i，j)        (4)

式中m′_i，j为第i层j对应子带经以上增益函数增益后的数据；min_value_i，j为第i层j对应子带经增益处理后数据的最小值；max_value_i，j为第i层j对应子带经增益处理后数据的最大值。

2.根据权利要求1所述的低对比度车辆图像的小波特征提取方法，其特征在于：所述分类器检测步骤中采用支持向量机、AdaBoost或神经元网络进行分类检测。