基于灰色关联分析的纯方位航迹关联算法

针对同平台纯方位多传感器的航迹相关问题,建立了基于线段Hausdorff距离的灰色关联度纯方位航迹关联算法。该算法将每条航迹的方位数据看作时间的离散函数,不同传感器的航迹经过时间对准后,形成了具有相同时标的目标方位信息序列,通过对多传感器目标航迹的方位信息进行灰色关联分析,计算出各航迹对的灰色关联度及截航迹灰色关联矩阵,并确定不同传感器的航迹关联程度。仿真试验结果表明,该方法能有效地实现同平台纯方位多传感器的航迹相关。     

C#.net和Matlab在遥感图像处理中的应用

主要介绍了小波变换和均值滤波的一些基础知识,c#.net和Matlab接口实现的方法,小波和均值滤波的遥感图像降噪的步骤。去噪方法的指导思想是从图像信号本身出发,采用小波变换和均值滤波相结合的方法,先将含噪图像进行小波分解,获得具有频率分布特征的细节子图像,然后根据各细节子图像的频率分布特征,采用不同形状的模板进行均值滤波实现去噪目的。     

基于小波变换的信号去噪研究

小波变换在信号去噪的应用中有很大的优势,它弥补了傅里叶变换在信号去噪中的局限。小波变换在时间域和频率域都具有良好的局部特性,可以聚焦到信号的任意细节。根据信号的特性利用小波变换的处理方法能够有效的将有用信号与噪声分离开来从而达到去噪的效果。     

分形和小波变换在油气预测中的应用

本文介绍了将处理复杂现象的分形理论和具有良好时频局部化的小波变换相结合，对碳酸盐岩地区进行油气预测的一种新方法。运用该方法对实际的资料进行处理，计算出地震道的关联维和小波变换模值，并与已知的钻井资料进行比较，得到了较为满意的结果。     

一种改进的小波域子矢量高光谱图像压缩处理技术

传统的基于二维小波变换的图像压缩方法在对高光谱图像细节部分进行量化编码时对低频部分进行全域矢量分解,噪点处理不够平滑,处理结果不好。提出一种改进的基于小波域子矢量的光谱图像压缩处理算法,对小波域的子矢量细节部分采用误差补偿编码的方法对高光谱图像的噪点进行平滑处理,对N级码书进行两级小波变换提取低频系数,通过算术编码实现城市、植被、水流多源信息高光谱图像压缩和解码恢复识别结果。仿真结果表明,采用该算法进行光谱图像压缩,图像经压缩处理后的恢复质量品质较高,峰值信噪比提高明显。     

基于MATLAB的数字水印嵌入系统

文章利用MATLAB语言及其小波工具箱,采用小波变换算法,开发数字水印嵌入系统,通过时原始静态图像和二值图像水印进行小波多分辨率分解。组合对应方向上的小波细节子图数据。从而实现了在原始静态图像上嵌入二值图像水印。     

基于小波变换的人脸边缘特征提取的研究

本文研究了利用二维离散小波变换在边缘检测上的特征。当前人脸检进行测遇到的问题是如何自动地检测人脸的边缘。通过小波变换,将人脸图片分解成相似图片和细节图片,而这些图片都包含边缘信息,将此方法应用在实验中。首先,为比较其检测效率,将二维离散小波变化与其他的人脸边缘检测方法比较：其次,在比较中,测验了多频带的组合方法。通过这些方面的研究,提出了一个基于目标边界响应的新的人脸边缘追踪算法。     

小波分析在图像压缩中的应用

小波分析是一种多层次分解函数的数学工具,图像信号(数据)经过小波变换后可以用小波系数来描述,小波系数可以从不同尺度,不同分辨率上体现图像的概貌信息和图像的局部细节信息。因此,基于小波变换的图像压缩算法,压缩效果良好,在未来会有广泛的发展空间。     

基于多小波分析和分型理论的输电线路故障特征提取研究

将多小波分析和分形理论应用于输电线路故障特征参数的提取中。首先采用凯伦布尔变换对提取的故障电流进行相模变换,对得到的模分量进行GHM多小波变换求取模极大值从而得到故障选相参数,然后采用关联维数计算出不同初始角、不同故障距离下故障电流的分形维数作为故障类型检测的特征参数。仿真结果表明不同类型故障的分形维数差异很大,同一故障分形维数具有一定的相似性。因此,通过提取故障点电流的模极大值和分形维数可以进行线路故障检测。     

基于融合技术的边缘检测方法

利用小波分解后的平均与细节的特性,提出了一种新的图像融合方法。结合各种边缘检测算子和小波变换边缘检测方法,提出了一种新的边缘检测方法。     

基于小波框架变换和区域能量的图像融合算法

提出了一种基于小波框架变换和区域能量的多聚焦图像融合方法,该方法首先利用离散小波框架变换对原始图像进行多尺度分解,通过计算各个像素的高频能量并设置合适的闽值,将源图像分割成3个区域：聚焦区、离焦区和边界区,不同的区域采用不同的融合规则,在保持源图像各自聚焦区域的同时尽可能保持边缘区域的细节：实验结果表明,该方法取得了比其它2种传统融合方法更优的视觉效果和性能指标。     

一种改进的DCT变换图像融合技术

提出了一种提升小波变换和DCT变换相结合的图像融合算法。这种算法并不依赖于对方差,而是直接使用DCT变化和小波变化分别对高频部分、低频部分进行特征提取。实验表明,这种新的融合技术与传统算法相比,不但提高了图像的信噪比,更加保留了边缘的信息细节,同时也提高了处理效率,减少了使用时间,具有较高得实用价值。     

ETM+影像的像素级图像融合方法比较

图像融合是一种进行图像增强的有效技术方法,可以综合利用图像的空间纹理细节和光谱信息。图像融合分为像素级融合、特征级融合和决策级融合三个层次。像素级图像融合是最常用的图像融合方法,主要有HIS变换法、Brovey法、PCA变换法、SFIM变换法、小波变换法等。     

基于整数提升小波变换的图像去噪方法

由于传统小波变换在图像去噪应用上的一些缺点,本文使用整数提升方法进行图像去噪。整数提升方法不受Fourier变换限制,其具有传统小波的多分辨率特性,而且运算速度有很大的提高。提升方法可以从一个新的角度来构造小波滤波器,它的核心是确定预测算子和更新算子,对每步提升下取整,就实现了整数小波变换。将其去噪去噪效果与传统小波变换的去噪效果进行了比较。仿真结果表明,整数提升方法取得了比传统小波变换更好的去噪效果。     

基于小波变换的图像检索

正本文研究了小波变换的有关定义、理论和性质,尤其是小波变换的多分辨分析理论和离散小波变换理论;研究比较了图像边缘提取的一些方法,着重研究了图像检索的基本方法和基于小波变换的商标图像检索方法,在MATLAB工作环境下对其进行仿真试验,并对实验结果进行了分析和比较。我们还将作进一步研究,使之具有实用价值。近年来出现的小波分析方法作为有力的分析工具被用     

基于小波变换的全景图像超分辨率增强算法

在研究和分析小波变换理论的基础上提出了一种基于小波变换的全景图像超分辨率增强算法,该算法充分利用了小波多分辨率分解思想,体现图像降低的自然过程;通过高分辨率小波系数,经插值逆变换可得到重构的高分辨率图像。实验结果证明该算法克服了传统的插值算法致使图像高分辨部分损失、细节被模糊的缺点,是超分辨率图像处理的一种行之有效的途径。     

基于小波变换星地同步数据处理技术研究

阐述了星地授时同步原理和小波变换理论,分析了小波基的选取准则以及阈值,阈值函数的选取方法。将小波变换理论应用于星地同步数据的处理上,在matlab的平台上对星地同步数据进行降噪仿真处理,分别采用haar小波、db6小波、db10小波和sym6小波对星地授时同步数据进行降噪处理。实验结果表明,小波变换方法实现了对授时同步数据的有效降噪,将授时同步精度提升至10纳秒以内,是一种可靠的分析方法,为星地同步数据降噪方法提供了一定的参考价值。     

基于小波包变换的海洋数据降噪方法研究

本文介绍了小波变换和小波包变换的基本原理,小波包变换是小波变换的推广,并优于小波变换。软阈值和硬阈值方法是基本的阈值处理方法,在此基础上衍生出了多种处理方法。对假设的海洋数据进行了降噪处理,效果较好,表明小波包变换用于海洋数据降噪有一定得实际意义．     

降低传输噪声的小波方法

介绍了一种在铁路机车信号传输过程中用小波变换的方法降低噪声干扰和提高信号通道信号信噪比的方法,即用小波变换具有低熵性、多分辨率、去相关性和选基灵活性的特点,综合作为特征提取和低通滤波功能的手段,对机车信号和噪声干扰信号同时进行低通滤波和高通滤波,其低频系数主要反映信号信息,高频系数主要反映噪声和信号的细节信息。并对非平稳的机车含噪信号进行了多层小波分析,对每层高频分解系数进行阈值处理后再合成,做为有效达到滤除噪声和保留信号高频信息的手段对其进行了仿真分析。     

基于小波分析和神经网络的金融时间序列预测

以金融时间序列(1990年~2014年上证指数)为研究对象,金融时间序列数据本身带有较大的波动性,有高频和低频的数据情况贯穿于整个时间序列。小波分析对于数据降噪较于传统的降噪方式有着明显的优势,分析对比小波变换在处理两种不同波频情况下的优势和方法。采用其适合小波分析和神经网络相结合的组合模型对其进行分析和预测,其思想是,先将时间序列进行小波分解,得到各级小波变换序列和尺度变换序列。根据不同级小波变换系数的情况,选择合适的神经网络训练函数建立预测模型,得到各级小波变换序列和最后一层尺度序列,运用小波重建技术得出原时间序列的预测值。最后和常规的BP神经网络比较预测效果。