基于小波包分解的虹膜图像识别

虹膜的身份识别在国际上已成为一个研究的热点领域,本文初步探索了基于小波包分解的虹膜图像识别处理技术,实验结果表明基于小波包分解的虹膜图像识别方法是有效的。     

基于小波包分解的数字图像水印算法研究

通过Shannon熵算法采用自下向上的搜索方法选取最优小波包基,分别对原始图像和水印图像进行小波包分解,把水印数据嵌入选定的原始图像小波包基中。经攻击实验表明,应用本算法所实现的水印不可见,较好地保持了图像的质量,同时显示了较强的鲁棒性。     

基于小波包分解的水面目标吨位大小分类方法

基于不同吨位大小的水面船舶辐射噪声特点,提出了一种利用小波包分解提取各频率段能量作为分类特征,利用支持向量机算法进行分类的方法。比较了基于三种不同核函数的支持向量机性能。仿真结果表明,利用小波包分解和支持向量机能对水面目标吨位大小进行有效估计。     

基于小波包变换和奇异值分解的机加工表面纹理特征提取

机加工表面纹理特征在实际的研究和应用中具有重要意义,而当前基于小波变换的方法由于丢弃了隐藏丰富特征信息的高频部分,因此准确度不高。本文提出利用小波包变换和奇异值分解的方法来提取图像特征,实验证明,该方法具有较高的准确度和较强的适应性。     

小波包分解在迎角传感器信号预处理中的应用

针对基于四象限压力传感器阵列的迎角测量方法中传感器信号受到干扰的问题,讨论了在其预处理中应用小波包变换进行信号分离提取的方法。根据小波包分解理论,对信号进行小波包分解,信号中频率不同的部分落在不同的尺度上,剔除反映干扰的变换尺度,提取出有用信息。结果表明,该方法可很好地提取信号的主要特征信息,也有效地去除了确定性干扰和随机噪声,与传统的信号滤波方法相比较具有明显的优点,同时为后续的信号处理奠定了基础。     

基于小波包变换的电力谐波参数测量方法研究

传统的基于傅立叶变换的电力系统谐波分析方法难以快速、准确对非平稳暂态谐波进行实时分析检测,小波变换因其良好的时频局部化特性,成为电力系统谐波分析的有力工具。文章提出一种基于小波包分解系数重构算法的谐波分析、测量方法,小波包变换建立在小波变换的基础上,实现信号频带的均匀划分,能更好地提取信号的时频特性。通过仿真试验证明了这种新方法的可行性与正确性。     

基于小波包分解的脉搏信号定量分析

本文对照分析了不同生理状态下脉搏信号的波形图与幅值谱之间的差异;基于小波包分解计算得出各种不同生理状态下脉搏信号各个频带的相对比例能量。由此可以推断,根据小波包能量比例可以对脉搏信号所反映的生理信息进行定量分析。     

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．     

基于极结构小波包的纹理检索

小波包是基于纹理图像检索的重要工具,但标准小波包变换方法计算量与特征向量维数均随分解阶数的增加呈几何级数递增,使得该方法难以满足大规模纹理分析的需要。因此提出极结构小波包方法,在保留标准小波包良好的检索性能基础上简化计算和降低特征维数。实验证明,极结构小波包结构在图像检索中可以满足实时性较高的图像检索需要。     

基于关联特征提取的舰船噪声混迭谱分解

不同舰船目标辐射噪声的噪声平均功率谱具有差异性特征,能在一定程度上反映舰船目标的吨位、航速、类型等。研究舰船辐射噪声信号的特征提取和频谱分解方法,对提高舰船目标的识别能力具有重要意义。传统的舰船辐射噪声关联特征提取采用的是基于定量递归分析的关联维特征提取方法,当在关联特征提取中舰船辐射噪声信号出现奇异吸引子特征时,提取的舰船目标特征产生混迭谱,导致频谱畸变,影响目标识别性能。针对这一问题,提出一种基于预畸变趋化关联特征提取的舰船噪声信号混迭谱分解方法,设计舰船辐射噪声产生与信号源系统模型,进行声传感器布置研究,进行特征提取和混迭谱分解算法改进分析。仿真实验得出,采用该方法进行舰船辐射噪声信号的预畸变趋化关联特征提取,能有效展示舰船辐射噪声信号的内部规律特征,提高对舰船辐射噪声信号的特征提取性能和目标识别精度。     

基于提升小波的SAR图像斑点噪声抑制方法

斑点噪声去除是对合成孔径雷达(synthetic aperture radar,SAR)图像自动分割、分类、目标检测和其它定量专题信息提取处理前必要的步骤。首先简要回顾了各种传统的SAR图像斑点噪声去除方法。在充分考虑SAR图像斑点噪声乘性特征的基础上,对SAR图像进行对数变换,将乘性噪声转变为加性噪声,然后再对图像进行提升小波分解,采用Bayes Shrink阈值对小波系数进行处理。最后根据4个指标来对比不同方法的去噪效果。结果表明,与传统的滤波方法相比,基于提升小波的去噪方法在图像均匀区域的辐射特性保持和斑点噪声抑制能力方面具有较大的优势。与传统小波相比,提升小波不但在运算速度上有优势,而且省内存。     

基于动态二维图像序列的三维步态识别方法

针对在当前二维步态识别系统中,受到人体走路姿势中的特征重叠的影响,不能很好的解决信息丢失问题。而三维识别也面临着技术要求复杂,对设备角度要求高的问题,本文提出了一种基于动态二维图像序列的三维步态识别方法。利用摄像机采集单帧步态图像序列,通过对单帧连续通信进行坐标动态转换,对特征矩阵进行有效的三维转化,计算三维特征数据,提取三维人体单帧二维图像转化的特征,进行步态识别。结果表明,本方法无需复杂的设备,能够解决特征丢失问题,识别准确度有了较好的改善。     

基于小波方法微重力预混V形火焰不稳定性分析

着重介绍了将小波图像处理方法运用于微重力燃烧实验,通过对预混V形火焰的动态图像的分析处理,提取有关燃烧火焰的结构及其变化信息,实现了利用火焰连续的动态图像研究火焰结构和不稳定性的目标.     

小波双线性插值应用于光学遥感图像

针对遥感图像插值要求,尽可能保持原图像信息,提高图像分辨率,并适合人眼观察的特点,提出适合于遥感图像的小波双线性插值方法.实验表明,与双线性插值相比,该算法得到较高的信噪比和较好的图像效果.     

基于小波变换的PET图像分析

提出一种把小波变换和统计检验结合起来检测PET图像激活区的方法.首先,采用模拟的PET图像来评价算法的可靠性,结果显示,在小波域上进行统计检验比传统的直接在空间域上进行统计检验具有更高的灵敏度,更强的抗噪声干扰性能,更快的计算速度.最后,用该方法处理真实的PET图像,也得到了满意的结果.该方法为PET医学图像处理和脑功能研究提供了一种新的多尺度、高性能的分析手段,对于脑功能研究的功能区定位、临床诊断、药物疗效评估等有着重要意义.     

基于小波变换的结构信息提取研究

通过对小波变换算法的研究,实现了利用小波变换对地球化学元素数据进行结构信息提取,突出异常轮廓。该方法为研究人员方便快速地确定异常位置提供了准确的技术手段实现。     

基于视觉注意计算模型的图像压缩新方法

图像可以被分为重要的感兴趣区域和不重要的背景区域。提出了一种新的基于感兴趣区域的图像压缩方法。该方法首先使用一个基于视觉生理和心理物理实验基础的视觉注意计算模型计算图像中的感兴趣区域,然后用JPEG算法对感兴趣区域和背景区域采用不同的压缩比进行压缩。实验结果表明,该算法具有比JPEG算法更高的压缩效率,同时保证了图像良好的视觉效果。