Howtosignalprocessing
- Warum DWT bei der Feature -Extraktion verwendet wird?
- Wie wird DWT in der Bildverarbeitung verwendet??
- Ist Wavelet -Transformation Eine Merkmalextraktion?
- Was ist Wavelet -basierte Feature -Extraktion?
Warum DWT bei der Feature -Extraktion verwendet wird?
12] wird eine Merkmalextraktionsmethode vorgeschlagen, die auf einer diskreten Wavelet -Transformation (DWT) basiert. Die Annäherungskoeffizienten von DWT zusammen mit einigen nützlichen Merkmalen der Hochfrequenzkoeffizienten, die durch die maximale Modulmethode ausgewählt wurden, werden als Merkmale verwendet. Ein neuartiger Weg, um sich Microarray -Daten vorzustellen, ist wie ein Signalsatz.
Wie wird DWT in der Bildverarbeitung verwendet??
Das DWT zersetzt ein digitales Signal in unterschiedliche Subbänder, so dass die Unterbänder der niedrigeren Frequenz im Vergleich zu den höheren Frequenz -Subbändern eine feinere Frequenzauflösung und die grobe Zeitauflösung aufweisen. DWT ist die Grundlage des neuen JPEG2000 -Bildkomprimierungsstandards.
Ist Wavelet -Transformation Eine Merkmalextraktion?
Die diskrete Wavelet -Transformation wird in der Featurextraktionsschritt häufig verwendet, da sie in diesem Bereich effizient funktioniert, wie durch die Ergebnisse früherer Studien bestätigt. Mit dem Schritt aus der Feature -Auswahl werden die Dimensionalität minimiert, indem irrelevante Funktionen ausgeschlossen werden. Dieser Schritt wird unter Verwendung einer differentiellen Entwicklung durchgeführt.
Was ist Wavelet -basierte Feature -Extraktion?
Diese Wavelet -Koeffizienten werden zum Extrahieren von Merkmalen aus Hyperspektraldaten verwendet. Die Wavelet -Transformation wird verwendet, um den Signal- oder Pixelvektor einer hyperspektralen Daten in verschiedene Frequenzkomponenten zu zerlegen, und je nach Frequenzkomponenten werden sie bei der weiteren Verarbeitung verwendet.
