基于小波变换的指纹图像增强算法

小波具有多分辨率分析和在局部时频域进行分析的能力.首先,应用小波的这个特点,在小波域对指纹图像进行增强.在对指纹图像进行小波变换之前,对图像进行了较为常见的规格化处理,使得不同的图像有相同的灰度均值和方差,方便了对指纹的匹配.然后提出了一种在小波域中改进的软阑值算法对图像进行增强.实验表明,应用小波变换技术对指纹图像进行预处理能够获得较满意的结果.     

基于小波变换的指纹图像增强算法

小波具有多分辨率分析和在局部时频域进行分析的能力。首先,应用小波的这个特点,在小波域对指纹图像进行增强。在对指纹图像进行小波变换之前,对图像进行了较为常见的规格化处理,使得不同的图像有相同的灰度均值和方差,方便了对指纹的匹配,然后提出了一种在小波域中改进的软阈值算法对图像进行增强。实验表明,应用小波变换技术对指纹图像进行预处理能够获得较满意的结果。     

基于小波变换的图像降噪

根据小波变换和噪声信号的能量分布特性,提出了一种先用小波变换对含噪图像进行多尺度分解,求出各尺度小波变换高频系数的噪声方差和阈值,利用各尺度的阈值对高频系数进行处理,然后利用小波变换系数重构图像,实现图像降噪的方法;实验结果说明该方法可以有效地降低噪声,又可以较好地保持图像细节。     

基于脊波变换的地震信号去噪方法

Ridgelet变换是信号的一种新的多尺度表示方法,它特别适合于具有线奇异性的二维信号的描述.将小波的自适应阈值去噪方法扩展到Ridgelet域中,应用Ridgelet变换,采用自适应阈值对地震信号进行去噪处理.教值实验结果表明,Ridgelet变换在地震信号去噪方面优于小波变换.     

基于非子采样Contourlet变换的多聚焦图像融合

根据非子采样Contourlet变换同时具有多尺度、多分辨分析和平移不变性质的特点,提出一种基于非子采样Contourlet变换的多聚焦图像融合方法。实验中将文中方法与Contourlet变换、小波变换等方法进行比较,结果表明,文中方法得到的融合结果能很好地将源图像的细节信息融合在一起,拓宽NSCT的应用范围。     

基于内容的图像检索方法研究与实现

小波模极大值是在对多尺度小波变换进行不规则抽样的基础上得到的,可以用来描述信号的奇异性.提出了一种小波模极大值结合多尺度不变矩法的图像检索算法,该算法对图像进行小波变换求得多尺度下的模图像,求出所有尺度下的局部极大值及其位置,并对得到的目标边缘进行细化;采用欧氏距离来度量图像的相似性,实现图像的准确检索.同时,设计开发...     

小波分析在径流时间序列预测的应用

利用dmey小波变换、db4小波变换将柳江年径流总量及年最大径流量时间序列分别分解为不同尺度的频率信号,再使用传统时间序列分析方法对径流分解的频率信号分别设置参数并进行预测,最后利用小波逆变换对预测结果进行重构,以此建立年径流总量、年最大径流量预测模型.与只采用传统的时间序列预测模型对比,联合了小波变换的方法均获得更精确的预报结果.计算结果表明将小波变换运用于径流时间序列的预测能有效提高径流变化趋势预测的准确率,预报的稳定性以及精确度均能明显改善.     

基于复合小波变换的径流周期分析方法

针对径流时间序列演变趋势及周期分析精度有限的问题,给出一种基于复合小波变换的径流时间序列周期分析方法.即通过采用dmey小波对径流序列进行分解,再对生成的高频与低频子序列分别采用cmor1-1复小波分别求其等值线、小波方差,从而进行径流序列的变化趋势及周期分析.实验结果表明:与单纯对径流序列直接采用复小波多尺度分析相比,基于复合小波变换的方法可获得更为深入精确的周期分析结果.     

基于小波变换的角点检测算法

传统Harris角点检测算法对噪声敏感,图像分辨率不同,角点容易产生漂移。,结合小波变换的多尺度特性,提出一种基于小波变换的角点检测算法.该算法在图像缩放、旋转或灰度变化时保持了Harris角点检测算法检测角点效果良好的优点．改进了其不具有尺度不变性的缺点,并具有较强的抗噪性与实时性,     

小波变换在植被格局分析中的应用

本文通过野外实地观测,利用小波理论尝试性地分析了1000m样带上植被总盖度在不同尺度下的分布特征。通过不同尺度下小波变换映像值的分析,解决了植被格局研究中在不同尺度下同时进行规模、强度、纹理分析这一久而未决的难题,发现了植被格局规模在不同尺度下的变化符合分形性质的特点。     

基于二维小波变换的指纹去噪

提出基于二维小波变换的指纹去噪方法,实现了对指纹采集过程中出现的噪声的有效去除,给指纹的识别和确认提供有利的帮助。     

指纹图像分析及处理方法研究

一般而言,在采集到的指纹灰度图像中均含有大量噪声,而指纹识别技术在很大程度上依赖于指纹图像的质量,所以对指纹图像中的伪信息要加以滤除。在指纹的预处理阶段,利用多种方法可有效地去除图像中的大部分伪信息。在二值化过程中充分考虑指纹脊线的特性,利用指纹图像中点梯度的方向信息,提出了用相位编组法确定块方向,然后基于块方向进行方向滤波,收到了较好的效果。     

小波变换在数字图像处理中的应用

主要分析了基于小波变换的图像分解和图像压缩的技术，并运用Matlab软件对图像进行分解，然后提取其中与原图像近似的低频信息，达到对图像进行压缩的目的．分别作第一层分解和第二层分解，并比较图像压缩的效果。     

基于双树复小波变换的指纹增强算法

基于指纹图像纹理多、方向性强的特征,本文提出了双树复小波指纹图象滤波增强的方法.双树复小波具有良好的方向选择性,在各子带中保留图象中各局部主方向的信息而滤除其他方向的噪声,而且可以避免对信号和噪声频率特性和统计特性进行估计,大大减小了算法的复杂程度.实验结果表明,该算法简单,增强效果较好,可用于噪声特性复杂的纹理图象的滤波.     

基于表面肌电信号的腰背动作识别新方法

为提高基于表面肌电信号的人体腰背动作识别率,提出一种基于小波包能量与改进NARX神经网络的分类识别新方法。利用小波包变换对动作部位进行表面肌电信号特征提取,并采用改进NARX神经网络进行分类识别。选取8名实验者分别在扭腰、弯腰、侧弯腰3种动作下进行表面肌电信号数据采集,选择db4小波包函数对信号进行6层分解,得到第6层64个频带的小波包分解系数,代表各个动作信息的特征向量,作为改进NARX神经网络的输入进行分类识别。对照实验组中,改进NARX神经网络的识别率较高,总体识别率达到96.7%。实验结果表明,利用该识别方法对腰部动作进行分类识别,分类准确,且识别率更高。     

指纹识别技术研究进展

根据指纹识别技术的科学意义、应用前景和研究现状，提出了目前在该领域存在的问题及解决对策：利用热成像原理采集指纹图像、恢复残缺的指纹图像、细化指纹分类和简化匹配算法。     

一种改进的基于小波变换的语音基频检测

传统的小波变换基频检测通过比较相邻尺度上的小波系数极值点来进行检测．该方法往往存在着伪极值点的误判,降低了检测的精确度,而且增加了运算量．针对小波系数的伪极值点误判情况做了分析,进行了最佳尺度的判定,以及极值点搜索方法的改进,提出了一种基于最佳尺度的小波变换基频检测算法,提高了算法的实时性和准确性,并通过实验证明了该算法的有效性．     

一种基于小波和DCT的人脸识别算法

提出了一种基于小波变换和离散余弦变换(Discrete Cosine Transform DCT)的人脸识别方法,它通过对经过小波变换的人脸图像的低频图像进行DCT变换,从而获得原始图像的频谱图像,然后利用最近邻法进行分类,在ORL人脸数据库上的实验表明这样的方法能够获得比传统主成分分析(Principal Components Analysis PCA)更好的识别性.