对称现象在天然图像与合成图像中广泛存在。作为计算机视觉领域中备受关注的话题之一，对称性检测是探索对称物体全局特征的重要方法之一，广泛应用于图像语义提取、图像理解以及情感识别等领域。对称物体的检测技术主要目的是从图像中提取对称目标的信息。这包括识别物体的位置、对称类型（如平移对称、旋转对称和反射对称等）以及对称的几何特征，如反射对称的对称轴。
传统的对称性检测方法主要基于特征中心的方法，即首先提取图像的特征，然后根据这些特征的性质来估计对称目标的参数。这种方法具有方便快捷的优点，无需过多关注特征层面的细节，第三方特征表达足以抽象出图像的表征。这种方法也存在明显的缺点，它需要优化大量已计算出的特征匹配对，这是当前该方法面临的主要挑战。更重要的是，它忽略了特征工程在对称性检测中的重要性，未能充分考虑特征的重要性和特殊性，导致了低层次特色和高层次视觉检测任务之间的“语义鸿沟”。
为了解决这个问题，我们采用小波分析来检测纹理和颜色反射对称性，运行环境为MATLAB R2018A。以下是主要代码和运行指令的概述：
清空命令窗口、所有变量和图形窗口，并关闭所有警告。然后，设定源文件夹和输入文件路径，读取图像文件并调整其大小。在处理图像时，使用特定的函数（如symBilOurCentLogGaborHSV）来检测对称性。处理完成后，将检测到的对称性的数据以可视化的方式展示出来。具体代码可以在提供的链接中找到。
我们的专业领域涵盖了现代信号处理、机器学习、深度学习等领域。我们专注于研究时间序列分析、设备缺陷检测、设备异常检测以及设备智能故障诊断与健康管理PHM等技术。在图像处理和计算机视觉领域，我们特别关注对称性检测的研究与应用，致力于利用先进的算法和技术来解决实际问题。
