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。     

小波变换的谐波检测法

小波变换的谐波有效值测量就是利用小波分解系数来测量谐波有效值。电网谐波污染是电力系统中的一大公害。以傅里叶级数理论为基础的传统谐波分析方法和测量仪器都缺乏时间局部化特性，因此不能满足突变的和时变的非平稳谐波检测与时频分析的需要，基于小波变换的谐波有效值及谐波畸变率的测量方法。然后提出并论述了基于差拍选频和子带滤波的谐波分析方法。最后提出一种新的同步检测法，用于电压闪变信号的检测与谐波分析。     

织机声信号瞬态特征分析方法

提出了一种采用Ｍｏｒｌｅｔ小波变换实现织机声信号分析的方法,并藉助高速信号处理器和微机系统予以实现。对典型织机声信号进行了小波变换分析,获得了典型织机声信号的三维小波变换谱。实验结果表明,该方法是有效的。同短时傅里叶变换分析法相比较,织机声信号的小波变换分析法具有较好的分析性能。     

基于提升小波的SPIHT有损压缩方法

Sweldens等提出的提升(lifting)小波变换方法[1]是一种新的小波变换工具,利用它可以不采用傅立叶变换作为主要分析工具,能够很容易地构造一般的整数小波变换.针对当前图像压缩领域的新发展,引入了基于提升小波变换的SPIHT编码方案,井对该方案在VC++6.0的环境下给予了实现.     

小波变换在图像压缩中的应用

本文介绍了数据压缩在图像传输中的重要性，并指出了小波变换是实现图像压缩的一种重要的方法，介绍了小波变换是通过对图像像素分解与重构来实现对图像进行压缩，并分析了压缩比。     

一种改进的小波去噪算法研究

根据信号与噪声在小波变换下的不同特征，可以运用小波变换来消除噪声：模极大值小波域消噪算法只能采用二进制尺度分解，这限制了一些信号的分析结果。针对该不足进行了改进，采用自适应选择分解尺度代替二进制尺度分解尺度，     

一种改进矢量量化进行SOM原始图像压缩的方法

本文提出了一种改进矢量量化进行SOM（自组织特征映射）原始图像压缩的方法,该方法基于小波变换,并对小波变换所得的参数（子块）使用SOM算法对其进行矢量量化,并根据不同的子块采用不同的量化方式。     

层序精细划分方法研究

层序划分是储层描述的基础,层序划分的精细程度在储层描述方面起着至关重要的作用。用于层序划分的方法很多,主要时频分析和小波变换。本文在分析两种方法优缺点的基础之上,采用小波变换与时频分析联合的方法进行层序划分。     

基于FPGA的小波分解滤波器的设计与实现

给出了一种基于现场可编程逻辑器件（fpga）的离散小波变换的实现方案。采用了mallat快速小波变换算法,利用verilog语言在quartusll编译环境实现。在实现离散小波变换的核心运算——小波滤波器,采用分布式算法（DA）,流水线结构来提高其运算速度。同时,采用madab软件验证其运算结果的正确性。     

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。     

一种基于DWT的自适应图像数字水印算法

提出了一种基于DWT和Arnold置乱变换的自适应图像数字水印的算法。该算法利用人类视觉模型的频率掩盖特性对嵌入水印的强度能够进行自适应的调整,从而使算法具有自适应能力。实验结果显示,嵌入的水印具有不可见性,而且对于常见的JPEG压缩、滤波、噪声等攻击具有良好的鲁棒性     

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。     

基于小波变换的电网谐波检测

电网的谐波检测，一直是电力工作者研究的一项重要课题。本文介绍了电力系统中目前已有的几种主要的谐波检测方法，探讨了小波变换理论在谐波检测中的应用。     

结合EZW和AES的图像加密机制

随着图像或视频的网络应用日益普及,各种各样的新型应用不断涌现.由于图像或视频在网络中传输时,网络本身的安全措施并不能完全阻止非法截取事件的发生,因此人们对于图像数据传输的有效性和安全性提出新的要求.提出一种新的方法,其基本思想是通过结合使用离散小波变换(DWT)、嵌入式零树小波编码(EZW)和高级加密标准(AES),在对需要传输的图像充分压缩的基础上,对编码码流加密置乱,从而同时达到有效和安全传输的目的.实验结果表明,该方法在保持较高压缩效率的同时,增强了码流在传输过程中的安全性.     

一种基于人视觉特性和复小波变换的彩色图像水印方案

利用双树复小波变换并结合人眼视网膜的颜色特性,提出一种基于融合的彩色图像水印方案。利用复小波变换的平移不变性和多方向性来增强水印受攻击时的鲁棒性。通过试验调整水印能量在蓝、绿、红3种颜色信道里的比例来提高水印的不可见性。结果表明该水印方案在压缩、增加噪声、中值和平均滤波攻击下具有较高的鲁棒性。     

Language processing and learning models for community question answering in Arabic

In this paper we focus on the problem of question ranking in community question answering (cQA) forums in Arabic. We address the task with machine learning algorithms using advanced Arabic text representations. The latter are obtained by applying tree kernels to constituency parse trees combined with textual similarities, including word embeddings. Our two main contributions are: (i) an Arabic language processing pipeline based on UIMA—from segmentation to constituency parsing—built on top of Farasa, a state-of-the-art Arabic language processing toolkit; and (ii) the application of long short-term memory neural networks to identify the best text fragments in questions to be used in our tree-kernel-based ranker. Our thorough experimentation on a recently released cQA dataset shows that the Arabic linguistic processing provided by Farasa produces strong results and that neural networks combined with tree kernels further boost the performance in terms of both efficiency and accuracy. Our approach also enables an implicit comparison between different processing pipelines as our tests on Farasa and Stanford parsers demonstrate.     

综合性期刊

基于四叉树的小波域图像零水印算法；地球深部壳-幔边界的层束精细结构与物理属性研究；关于Fuzzy单调映射和广义Fuzzy拟变分不等式；无标度网络的相关性和联合度分布；凸度量空间中非扩张映象的不动点迭代；玻璃微珠改性PTFE的制备及性能研究；[编者按]     

对小波变换的几点注释

小波变换是一个新的、重要的分析工具。有关小波变换的国外理论专著较多,由于作者的写作风格不同,对同一事物的定义出现了差异,尤其是Daubechies.I的《小波十讲》与众不同。本文说明了两个定义差异,注释了两个定义差异而引起的主要连带差异。文章最后指明了《小波十讲》的一个证明中存在缺陷。     

用于计算离散分数阶傅立叶变换的MA-CDFRFT算法改进

基于中心类型DFT矩阵特征分解的MA-CDFRFT(Multiangle Centered Discrete Fractional Fourier Transform)算法在计算一组离散分数阶傅立叶变换DFRFT(Discrete Fractional Fourier Transform)时充分利用FFT运算来减小运算量。结合偶数点离散傅立叶变换DFT(Discrete Fourier Transform)运算的对称性原理，通过数学推导将MA-CDFRFT算法中的一维对称性扩展到频率和变换阶数的二维平面上。利用这个二维对称性原理，改进算法将原算法的主要计算量减小了一半左右。仿真测试结果证明了改进算法的正确性。     

Generalized singular value thresholding operator based nonconvex low-rank and sparse decomposition for moving object detection

Moving object detection is one of the most challenging tasks in computer vision and many other fields, which is the basis for high-level processing. Low-rank and sparse decomposition (LRSD) is widely used in moving object detection. The existing methods primarily address the LRSD problem by exploiting the approximation of rank functions and sparse constraints. Conventional methods usually consider the nuclear norm as the approximation of the low-rank matrix. However, the actual results show that the nuclear norm is not the best approximation of the rank function since it simultaneously minimize all the singular values. In this paper, we exploit a novel nonconvex surrogate function to approximate the low-rank matrix and propose a generalized formulation for nonconvex low-rank and sparse decomposition based on the generalized singular value thresholding (GSVT) operator. And then, we solve the proposed nonconvex problem via the alternating direction method of multipliers (ADMM), and also analyze its convergence. Finally, we give numerical results to validate the proposed algorithm on both synthetic data and real-life image data. The results demonstrate that our model has superior performance. And we use the proposed nonconvex model for moving objects detection, and provide the experimental results. The results show that the proposed method is more effective than representative LRSD based moving objects detection algorithms.