基于整数小波系数的纹理图像检索方法研究

提出了一种用整数小波系数检索纹理图像的方法.纹理图像的主要特征表现在细节部分,而高频部分的小波系数体现了图像的细节,所以从这些小波系数中提取的特征,能够表征纹理图像的主要特性;实验结果表明,用该方法检索纹理图像,能够达到较好的检索效果,并且对亮度不敏感,这一特点是传统的纹理分析方法难以达到的.

基于整数小波系数的笔迹图像鉴别方法研究

提出了一种基于整数小波变换的笔迹图像的纹理分析方法 .纹理图像的主要特征表现在细节部分 ,而高频部分的小波系数体现了图像的细节 ,所以从这些小波系数中提取的特征 ,能够表征纹理图像的主要特性 .并且这种分析法对亮度不敏感 ,这一特点是传统的纹理分析方法难以达到的 .用该方法提取纹理图像的特征 ,并使用加权欧式距离分类器来完成匹配工作 .在实验中 ,使用了 2 7个人的不同笔迹 ,取得了很好的结果 .

小波系数阈值估计的改进模型

讨论了小波阈值去噪中估计小波系数的软阈值和硬阈值方法 ,然后针对硬阈值法不连续和软阈值法有偏差的缺点 ,提出了 3种改进方法 ,即多项式插值法 ,软、硬阈值折衷法和模平方处理方法 ,并给出这 3种估计器模型 ,它们都不同程度地克服了软阈值和硬阈值方法中固有的缺点。通过数值试验对这些方法进行比较 ,结果发现 ,这 3种改进的小波系数阈值估计模型用于信号去噪时 ,比单纯的软阈值和硬阈值方法均获得了更高的信噪比增益。

基于小波系数提取及离散余弦包络分析的机车牵引齿轮故障诊断方法

机车走行部故障是危及列车运行安全的重要因素,其故障程度的实时监测与诊断是高速重载列车需要解决的关键问题之一。本文以机车走行部的牵引齿轮为例,在分析总结大量实际振动信号的基础上,探讨了运用小波分解和离散余弦变换相结合来提取机车牵引齿轮故障特征信息的方法,即首先采用小波基将牵引齿轮故障引起的振动信号变换到时间-尺度域,再对高频段的小波系数采用离散余弦变换进行包络分析;阐述了该方法在机车走行部在线故障诊断系统中的应用,不仅能满足在线状态监测与故障诊断的实时性和可靠性要求,而且具有很强的抗干扰能力。实际应用表明,该方法能可靠提取牵引齿轮的故障特征信息,系统能快速、准确地诊断出故障类型及程度,可有效用于机车走行部故障的在线监测与诊断。

基于小波系数变换的小波阈值去噪算法改进

小波阈值去噪是近年兴起的一种较好的去噪算法,其一关键点在于准确的选取阈值将细节信号和噪声信号区分开来。该文提出了一种算法对小波系数进行变换,将难以区分信号和噪声的区域放大,以利于阈值的选取,从而达到改进小波阈值去噪的目的。通过使用传统阈值去噪算法和该改进算法进行仿真,结果表明改进算法对去噪指标SNR、SME(平均方差)都有所改善。另外该实验也表明改进算法可以更好的去除噪声,且较好的重现原信号的细节特征。

基于小波系数邻域特征的图像融合

在利用小波变换进行图像融合的基础上,研究了融合因子的选取方法。由于小波变换在时域和频域中同时具有良好的局部特性,为了很好地利用小波变换的这种特征,提出了利用小波系数的邻域特征(邻域方差)来定义融合因子的思想。评价融合算法的性能应该从融合图像的信息增加量和融合图像的失真度两个方面来评价,融合图像的熵用来描述融合图像的信息含量,相对熵可以描述融合图像的失真度,评价结果显示出其方法的实用性。实验表明该算法用于医学图像的融合能得到很好的效果。

基于小波系数区域相关性的阈值滤波算法

在相关去噪的基础上 ,提出了一种基于区域相关的滤波算法 ,克服了通常相关算法中由于各尺度间小波系数的偏移引起的判断准确率低的缺点 .进而对小波域滤波之后的系数进行阈值处理 ,以去除残留的噪声系数 .把两种思想截然不同的小波滤波方法合在一起 ,并作了一些改进 ,数值试验结果表明 ,由该方法滤波之后的小波系数不仅连续性好 ,准确率高 ,而且易于重构信号 .

基于小波系数相关性和局部拉普拉斯模型降噪方法

提出了一种基于小波系数尺度间相关性和局部拉普拉斯模型降噪方法。首先利用小波系数相邻尺度间的相关性对各尺度上系数进行分类,将小波系数分为有效系数和无效系数两类;然后将两类小波系数分别采用相应规则进行处理:对无效小波系数直接进行置零;而对有效系数邻域内的小波系数统计分布进行局部拉普拉斯建模。在此先验分布的基础上,运用最大后验概率估计从含噪小波系数中估计出信号的小波系数;最后利用真实信号小波系数的估计值来重构信号,便得到降噪信号。分析结果表明,与传统的软、硬阈值去噪方法相比,该方法可以更有效地消除信号中的噪声,提高信号信噪比。

基于小波系数的粘连信号穿层特征提取方法

针对侵彻多层硬目标过程引信信号处理中层与层之间的过载相互粘连的问题,提出基于小波系数的粘连信号穿层特征提取方法。该方法以小波基函数重构信号能力和提取穿层特征能力作为处理粘连信号时最优小波基的选择依据,使用选取的最优小波基db10对粘连信号进行小波分解,提取含穿层信息的刚体减加速度信号分量对应的小波系数。Matlab仿真表明,通过db10小波分解重构得到侵彻过程中弹体的刚体减加速度信号(即A6信号),提取A6信号对应的小波系数ca6,清晰地表述了穿层特征。

微分光谱连续小波系数估测雅氏落叶松尺蠖危害下的落叶松失叶率

害虫引起的林木失叶会严重威胁森林健康。森林虫害遥感监测与评价中快速、准确获取失叶信息十分重要。基于此,针对雅氏落叶松尺蠖引起的落叶松失叶灾象,在蒙古国开展受害林木光谱测量和失叶率估测试验。首先通过光谱实测数据的处理,得到微分光谱反射率(DSR,对光谱反射率求一阶导数)和微分光谱连续小波系数(DSR-CWC,利用Biorthogonal,Coiflets,Daubechies和Symlets等4种小波系的36个母小波基函数对DSR进行连续小波变换),分析DSR和DSR-CWC对失叶率的敏感性,进而借助MATLAB的Findpeaks(Fp)函数自动寻找DSR和DSR-CWC的敏感波段并确定其对应的敏感特征,然后利用连续投影算法(SPA)对敏感特征进行降维处理,最后利用敏感特征建立偏最小二乘回归(PLSR)和支持向量机回归(SVMR)失叶率估测模型,并与逐步多元线性回归(SMLR)模型进行比较。研究结果表明:①DSR-CWC与DSR相比,对失叶率变化的敏感性更显著且敏感波段亦较多,其敏感波段主要分布于三个吸收谷(440~515,630~760和1420~1470nm)和三个反射峰(516~620,761~1000和1548~1610nm)范围内。说明DSR-CWC能够增强光谱反射和吸收特征。②Fp与SPA结合模式(Fp-SPA)不仅能够快速、客观选择敏感特征,而且对特征有效降维,是一种光谱敏感特征选择的有效方法。③4种小波系的最优母小波基分别为bior2.4,coif2,db1和sym6,其中db1的失叶率估测性能最稳定,精度最高。④对DSR进行连续小波变换能够提高失叶率估测精度,在DSR-CWC中db1-PLSR模型(R2M=0.9340,RMSEM=0.0890)提高的最为显著,比DSR-PLSR的R2M提高了0.0475并且比DSR-PLSR的RMSEM降低了0.0249。⑤利用DSR-CWC建立的PLSR和SVMR模型估测精度类似,其精度优于SMLR模型。可见,DSR-CWC比DSR失叶率估测更有潜力,可为森林虫害遥感监测中提供重要参考。

基于小波系数聚类的特征提取分类方法

神经网络是一种普遍采用的模式分类方法 ,当对样本的抽样数目较大时 ,神经网络结构复杂 ,训练时间激增 ,分类性能下降 ,针对这一问题 ,提出一种基于快速小波变换特征提取的分类方法 .首先对小波系数矩阵的每行进行聚类 ,表达重要频率范围内小波系数矩阵的行有较多的聚类数 ,从而大大减少了神经网络的输入数 ,而同时保留了有用的信息 .特征提取后 ,采用小波系数的能量值作为特征量 ,应用径向基函数网络识别肺发出的各种不同的声音 ,实验证明

利用小波系数的相关性提取噪声图像边缘

首先 ,对噪声图像作多层次小波分解 ,得到对应的多个层次的小波系数 ,并利用相邻各层次小波系数的相关性质构建滤波器 ;然后 ,利用该滤波器对平滑小波系数进行滤波操作 ,去除噪声影响 ,得到滤波图像 ;最后 ,对滤波图像阈值化以得到噪声图像的边缘图 实验表明 。

基于小波系数和BP神经网络的电力系统短期负荷预测

提出了一种基于小波系数和BP神经网络相结合的电力系统短期负荷预测新方法。把过去直接对负荷序列的预测替代为对小波系数的预测,并对小波细节系数作分层软阈值处理。详细介绍了小波系数结合BP神经网络进行预测的新方法,并给出算例验证。

基于Gammatone频率离散小波系数的水下目标鲁棒识别

针对水下目标辐射噪声的复杂性和研究样本的局限性,提出了一种基于Gammatone频率离散小波系数的特征提取方法,结合人耳听觉感知机理,提取出了有效吻合人耳听觉特性的识别特征。该方法在2个方面改进了目前广泛采用的美尔倒谱系数:1用Gammatone滤波器代替三角滤波器,更好地模拟了人耳基底膜的滤波特性;2用离散小波变换替换离散余弦变换,使得识别特征具有优良的局部化特性。针对实录的水下动物叫声和舰船辐射噪声进行分类实验,表明所提出的特征提取方法在识别率和稳健性方面都有明显提高。

采用零树结构分类小波系数的红外图像降噪

红外图像易受噪声污染,为了改善红外图像的质量,提出了一种基于零树结构分类小波系数的红外图像降噪算法。该算法利用小波零树结构表达尺度间的相关性,通过空间自适应阈值将小波系数进行分类,并根据不同类系数的统计特性采用不同的先验分布模型,在贝叶斯框架下实现降噪。实验结果表明,本文算法在峰值信噪比(PSNR)指标上优于传统算法;从视觉效果来看,该算法在有效去除图像噪声的同时能较好地保持空间细节,可以满足当前红外图像降噪的需求。

考虑小波系数相关性的超声图像降噪算法

为了抑制超声图像中的斑点噪声,提出一种考虑小波系数尺度间相关性的超声图像降噪算法.该算法采用Rayleigh分布对超声图像斑点噪声的统计特性建模和Laplacian分布对小波系数的统计特性进行建模,进而利用贝叶斯最大后验的方法获得对无噪图像的估计.为了更好地保留图像细节,在阈值计算过程中,该算法通过考虑下一尺度对应的小波系数来构造一个尺度间相关因子.实验结果表明,所提出算法在有效减少斑点噪声的同时,更好地保持了图像边缘和细节.

图像小波系数的高斯混合模型研究

图像小波系数的统计分布具有非高斯特性,可以用高斯混合模型进行描述。提出了一种随像素自适应调整的混合高斯模型,每个系数建模为两个均值为零、方差不同的正态分布之和,利用局部贝叶斯阈值对小波系数进行分类,通过当前系数邻域窗中两类系数的信息,得到大、小方差以及有关概率的模型参数估计。将此模型应用于图像去噪,根据贝叶斯后验均值估计理论设计了Wiener滤波器。通过与三种代表性去噪算法的比较实验,表明了这种基于模型的滤波算法的有效性。

用于图像压缩的小波系数的上下文模型

结合GlicBawls编码方法的线性预测思想和CALIC编码方法通过量化减少上下文个数的思想 ,提出了一种新的用于图像压缩的小波系数的上下文模型。它通过量化当前系数的线性预测值形成上下文 ,进行自适应的算术编码。实验结果表明 ,利用这种模型获得的无损压缩比高于无损的SPIHT和用于JPEG2 0 0 0的无损的EBCOT。另外 ,这种模型充分利用了小波变换的多分辨率性质 ,能以渐近分辨率 (progressiveresolution)方式压缩图片 ,并且它获得的原图片的各个比例尺 (scale)的小图片的压缩比也高于EBCOT。

小波变换及在图像处理中小波系数分析

小波变换是近几年发展起来的集数学、信息处理于一体的新理论 ,它在信号分析、特别是图像处理中起着重要的作用。本文简单介绍了图像处理分解 ,在此基础上详细分析了图像经小波变换后的系数情况 ,以供进一步编码之用。

基于双重小波系数集的音频水印算法研究

提出一种基于双重小波系数集的音频水印算法,定义了双重小波系数集.对原始音频信号进行小波分解后,根据双重小波系数集内两个元素间的相互关系,对双重小波系数集进行选择并将其分成两类从而嵌入和提取水印.同时利用shuffle算法对水印序列进行置乱,以提高系统的安全性.实验结果表明,该算法对原音频信号影响极小,并对于各种音频操作和攻击,如重采样、重量化、低通滤波、Mpeg编码、Gaussian噪声等具有较好的鲁棒性.