2000
DOI: 10.1006/cviu.2000.0843
|View full text |Cite
|
Sign up to set email alerts
|

Optical and Sonar Image Classification: Wavelet Packet Transform vs Fourier Transform

Abstract: To develop a noise-insensitive texture classification algorithm for both optical and underwater sidescan sonar images, we study the multichannel texture classification algorithm that uses the wavelet packet transform and Fourier transform. The approach uses a multilevel dominant eigenvector estimation algorithm and statistical distance measures to combine and select frequency channel features of greater discriminatory power. Consistently better performance of the higher level wavelet packet decompositions over… Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
2
1
1
1

Citation Types

0
13
0
2

Year Published

2008
2008
2021
2021

Publication Types

Select...
5
3
1

Relationship

0
9

Authors

Journals

citations
Cited by 38 publications
(15 citation statements)
references
References 29 publications
0
13
0
2
Order By: Relevance
“…The Fourier Transform is pop ular technique in the image processing research commu nity [17], [18], [19]. It highlights the dominant spatial fre quencies as well as the dominant orientations of the structures contained in the image.…”
Section: ) Fourier Transformationmentioning
confidence: 99%
“…The Fourier Transform is pop ular technique in the image processing research commu nity [17], [18], [19]. It highlights the dominant spatial fre quencies as well as the dominant orientations of the structures contained in the image.…”
Section: ) Fourier Transformationmentioning
confidence: 99%
“…Se eligieron como variables características los primeros cuatro momentos estadísticos usualmente empleados en tratamiento de imágenes, sean ópticas o acústicas [20]; específicamente se tomaron: la media, la desviación estándar (en lugar de la varianza que es el 2º momento), el 3º momento y el 4º momento alrededor de la media. De otra parte, se tomaron dos puntos de vista para realizar el análisis: a) Tomando las muestras F(wn) del espectro de magnitud de Fourier de longitud /2 como observaciones estadísticas, en cuyo caso y a manera de ejemplo, la media estaría definida así: ( ) Características de las Envolventes Wavelet: para el análisis con la Transformada Wavelet Discreta (DWT) se trabajó con la wavelet Daubechies de orden 4 pues pertenece a una de las familias más usadas en aplicaciones acústicas, de acuerdo con la literatura consultada, y además proporciona una buena regularidad [22] y una buena resolución en el tiempo [23]; de otra parte, se definieron y utilizaron 7 niveles de descomposición de los ecos ultrasónicos: 6 niveles de detalle y el último (6º) nivel de aproximación (con los cuales podría reconstruirse la señal discreta original [20]).…”
Section: Extracción De Característicasunclassified
“…De otra parte, se tomaron dos puntos de vista para realizar el análisis: a) Tomando las muestras F(wn) del espectro de magnitud de Fourier de longitud /2 como observaciones estadísticas, en cuyo caso y a manera de ejemplo, la media estaría definida así: ( ) Características de las Envolventes Wavelet: para el análisis con la Transformada Wavelet Discreta (DWT) se trabajó con la wavelet Daubechies de orden 4 pues pertenece a una de las familias más usadas en aplicaciones acústicas, de acuerdo con la literatura consultada, y además proporciona una buena regularidad [22] y una buena resolución en el tiempo [23]; de otra parte, se definieron y utilizaron 7 niveles de descomposición de los ecos ultrasónicos: 6 niveles de detalle y el último (6º) nivel de aproximación (con los cuales podría reconstruirse la señal discreta original [20]). Con los coeficientes Wavelet resultantes se generaron envolventes Wavelet al tomar sus valores absolutos, y a partir de ellas se calcularon los mismos cuatro momentos estadísticos citados anteriormente.…”
Section: Extracción De Característicasunclassified
“…In computer vision, several approaches have been proposed in the past for texture analysis [7,8]. It was shown that different transforms like Fourier transform is a valuable tool for seabed texture analysis [9]. However, in transforming to the frequency domain using Fourier analysis, the drawback is that time information is lost.…”
Section: Introductionmentioning
confidence: 99%