WraNet:一种基于二维离散小波变换的轻量害虫识别网络

近年来,人工智能技术在害虫识别领域得到广泛应用。目前深度网络害虫识别方法仍存在计算量大、对复杂背景下的害虫识别效果差等问题。为了解决计算量大的问题,本文提出了一种新型轻量网络——WraNet。该网络利用二维离散变换模块对图像进行特征混合,并学习图像的强先验知识,例如尺度不变性、平移不变性和边缘稀疏性。这使得单层二维离散小波变换层达到多层深度神经网络的效果,从而减少了计算量和模型参数的大小。本文还提出了一种新的算法——WraNet-m,该算法通过软投票集成了WraNet、ResNet50和FPN网络模型,以进一步提升识别效果。WraNet-m算法在IP102和D0害虫数据集上的准确率分别达到了72.44%和99.52%,证明了集成方法的有效性和鲁棒性。

基于二维小波变换SIFT算法模型的皮革断面图像配准研究

以二维小波变换优化SIFT算法构建了一种针对皮革断面图像配准分析的数学模型,以人工方式、SIFT算法作为对比对象,对该数学模型在皮革断面同层图像配准和序列图像配准两方面的性能进行对比分析。结果表明:融合优化后的数学算法模型在检测效率和检测精度方面具有显著改进。

基于二维经验小波变换的金属断口图像消噪方法研究

针对传统小波变换在金属断口图像分析中存在的不足,结合二维经验模态分解和小波分析,本文提出了一种基于二维经验小波的断口图像消噪算法。该方法通过自适应构造滤波器组构造了经验小波函数,实现了在频域上分割傅里叶频谱的同时又分离出了信号的不同模式,从而提取了具有紧支撑傅立叶频谱的AM-FM成分。将所提方法与传统小波变换方法进行对比,结果表明,不论是从峰值信噪比还是从结构相似指数来看,二维经验小波算法的图像消噪效果都明显优于小波变换方法。最后,将二维经验小波算法应用到金属断口图像消噪中,进一步验证了所提方法的有效性。

基于二维经验模态分解与小波变换的农作物图像去噪

将小波自适应阈值去噪引入二维经验模态分解(bidimensional empirical mode decomposition,BEMD)中,提出一种自适应图像去噪算法,该算法首先对农作物噪声图像进行二维经验模态分解,获得具有不同尺度特征的固有模态函数(intrinsic mode function,IMF)子图像序列;然后将该序列中前3个子图像分别进行3层小波变换,引入一种新型自适应小波阈值去噪函数模型分别进行噪声抑制,实现小波系数重构;最后,对去噪后的固有模态函数子图像与剩余固有模态函数进行重构,获得去噪后的农作物图像。对实地拍摄的农作物图像进行去噪试验,结果表明,自适应图像去噪算法与均值滤波算法、小波阈值去噪算法相比,性能有较大幅度的提升。

JPEG2000二维离散小波变换高效并行VLSI结构设计

提出一种基于提升算法,实现JPEG2000编码系统中二维离散小波变换(DWT)的高效实时并行VL SI结构设计方法.利用该方法所得结构使行和列滤波器同时进行滤波,用少量行缓存代替大量中间存储空间,用优化的移位加操作替代乘法操作.整个结构采用流水线设计方法处理,在保证同样的精度下,大大减少了运算量,增加了硬件资源利用率,加快了变换速度,减小了电路的规模.二维离散小波滤波器结构已经过VerilogHDL行为级仿真验证,并可作为单独的IP核应用于正在开发的JPEG2000图像编、解码芯片中.

基于主动Lamb波和小波变换的二维结构损伤定位研究

基于主动监测技术,将结构健康和损伤状态下的Lamb波激励响应信号进行对比,两者的差信号实际上是激励信号通过损伤折射后被接收到的类似声发射源产生的一种信号。该信号与激励响应信号比较将有时间延迟,通过Gabor小波变换确定时间延迟,从而获取损伤位置信息。实验证实这种位置信息是可靠的。

二维小波变换在去除面波干扰中的应用

在原始地震记录中,面波干扰往往会掩盖有效信号,降低资料的信噪比。常规的一维滤波和F-K滤波方法在去除面波时,会损害有效信号,丢失一些有用的地质信息。小波变换是一种时频分析方法,具有分频和局部分析能力,可以从地震资料中将面波分离出来,而不伤害有效波。二维小波变换去除面波的基本原理是:首先依据面波和有效波视速度的范围,在时间-空间域把原始单炮记录分成没有面波和含有面波的记录;然后应用二维小波变换对含有面波的记录进行时频分析,将其变换到时间、频率、空间和波数四维域中,利用有效波与面波在频率域和波数域上的差异进行面波分离,去除面波,提取有效波,并进行信号重构;最后将重构的信号与没有面波的记录叠加,即可得到去除面波干扰的资料。实际资料处理结果表明,二维小波变换去除面波的方法具有良好的应用效果,有效信号得到了加强,信噪比得到了提高。

基于二维小波变换的随机噪声压制方法研究

在地震勘探中,随机噪声是一种频带较宽、严重影响有效波的干扰波,常用的一维去噪方法效果不理想。小波变换是一种时频分析方法,根据它的分频和局部分析能力,能有效地消除随机干扰,保留有效波的中、高频成分,经过小波重构,可恢复有效波信号。针对地震信号随机干扰的特点,运用二维小波变换的理论,设计了相应的变换域去噪滤波器。此方法的特点是计算速度快,稳定性好,自适应性强,能对各种地震数据进行去噪处理,模型数据与实际数据的应用效果证明,二维小波变换具有较强的信噪分离能力。

基于HOG特征与二维Gabor小波变换的高铁接触网支撑装置耳片断裂故障检测

针对高速铁路接触网支撑结构中旋转双耳耳片断裂故障难以检测的问题,提出一种HOG(histogram of oriented gradients,梯度方向直方图)特征与二维Gabor小波相结合的图像检测方法。为实现旋转双耳在待检测图像中的定位,利用其正负样本的HOG特征对线性SVM分类器进行训练,对检测窗口内是否包含旋转双耳进行判别。为实现耳片断裂故障的可靠诊断,利用二维Gabor小波变换能量值对图像中的边缘信息进行筛选,进而对耳片断裂故障引起的故障裂痕进行识别。实验结果表明,本文提出的方法能在复杂的接触网支撑与悬挂装置图像中准确识别发生耳片断裂故障的旋转双耳部件,检测结果不受拍摄距离、拍摄角度以及曝光度等因素的影响,具有较高的使用价值。

小波变换结合多维偏最小二乘方法用于近红外光谱定量分析

将小波变换和多维偏最小二乘法相结合用于近红外光谱定量校正模型的建立。首先将原始光谱进行小波变换分解,得到系列小波细节系数,通过选取一组受外界因素少、信息强的小波系数组成三维光谱阵,然后再采用多维偏最小二乘法建立校正模型。实验结果表明,该方法所建近红外校正模型的预测能力更强,并更具稳健性。

二维小波变换在地震勘探面波消除中的应用

在深层油气勘探中,针对深层地震数据的特点,我们利用二维小波变换技术易于分离信号和噪声的特点,将其应用于东部深层地震资料的处理中,对面波的消除取得了令人满意的结果,大大提高了深层地震资料的信噪比.

基于二维小波变换的遥感分类研究

对于遥感影像的植被特征直接进行计算机智能提取、分类,不同的理论下有着不同的方法。但是由于受到各种因素的影响,传统方法的提取精度还不是很高。在对研究区内的试验区图像运用小波理论,对图像进行二维小波变换处理并提取NDVI的基础上,再进行分类,将得到的结果与直接进行计算机自动分类结果相比较,得到如下结论:1经过小波变换后的图像,其相同地物内部的土壤亮度噪声得到削弱,不同地物的边缘差异得到增强,有利于进行图像的计算机智能分类;2对图像进行小波变换后试验区植被特征的分类精度明显高于没有经过小波变化的图像分类精度;3由于小波函数的多样性,小波系数的不确定性,二维小波变换用于遥感图像的植被特征分类技术还不是很成熟,这种技术还有待进一步改进。

基于二维离散小波变换的智能交通系统数据去噪声压缩

研究了基于二维离散小波变换的交通数据压缩与解压缩技术,建立了交通数据的空—时模型,所提出的二维离散小波变换算法利用交通数据的二维空—时特征,去除传感器噪声,得到良好的数据压缩结果,压缩比为20～40.同时给出了基于二维离散小波变换的交通数据压缩编码原理.采用北京市三环路检测断面测得的交通数据,验证所提出的算法是有效的.

二维傅立叶变换在Lamb波模式识别研究中的应用

用二维傅立叶变换对实验测定的 L amb波信号进行分析。该方法是在波的传播路径方向上 ,对一系列等间距位置接收到的时间信号进行二维傅立叶变换。给出了各向同性和各向异性媒质中传播的 L am b波频散曲线的数值和实验结果。研究表明 ,二维傅立叶变换能有效地识别 L amb波模式。

基于小波变换的二维红外相关光谱鉴别人参的生长年限

探讨了将小波变换处理方法应用到不同生长年限人参的二维红外相关光谱数据预处理中。结果表明:经过小波变换处理后,可以有效提高二维红外相关光谱同步图的分辨率,增强谱图中的信号峰,提高谱图中重叠峰的分离度,还可提供新的信息,从而在很大程度上增强了二维红外相关光谱对复杂体系的分析鉴别能力。借助此方法,可以鉴别人参的生长年限。

二维小波变换在成像测井识别裂缝中的应用研究

本文首先对电成像测井资料进行水平方向和垂直方向的电导率曲线的小波变换,然后在小波变换后的高频段寻找与裂缝对应的分解信号,再将水平方向和垂直方向的分解信号进行绝对值叠加,再转换成二值信号(即裂缝为1,非裂缝为0)成图,从而增强成像测井中的裂缝信息,为成像测井的人机交互解释中的裂缝识别提供依据。实际应用结果表明,该方法可以准确、直观地显示出裂缝,效果很好。

基于二维小波变换的虹膜识别方法

提出一种基于二维小波变换的虹膜识别方法;对虹膜图像预处理后,将二维小波变换与积分图像相结合,实现虹膜纹理的特征提取;实验检验了算法的有效性.

用二维傅里叶变换识别兰姆波模式的研究

本文用二维傅里叶变换信号处理进行了兰姆波模式分析。通过理论计算与实验结果的比较表明 ,二维傅里叶变换技术能有效地分析识别兰姆波模式。实验中 ,采用直探头与可变角探头作为超声波换能器做了接收宽带兰姆波信号的对比。

基于小波变换的二维独立元在人脸识别中应用

针对二维主元分析(Two-Dimensional Principal Component Analysis,2DPCA)和独立元分析(Independent Component Analysis,ICA)的特点,给出了二维独立元分析(Two-Dimensional Independent Component Analysis,2DICA)的概念。在2DICA算法的基础上,提出了基于小波变换(Wavelet-Transform,WT)的2DICA(Wavelet-Transform and Two-Dimensional Independent Component Analysis,WT-2DICA)人脸识别算法。首先,利用小波变换将原始图像的高频分量和低频分量进行不同程度的分离,并忽略高频分量,获得原始图像的基本特征;然后,利用2DICA算法求得投影特征;最后依据最近邻法则完成人脸识别。基于ORL(Olivetti Research Laboratory)与Yale人脸数据库的实验结果表明,WT-2DICA算法正确识别率高于2DPCA算法与2DICA算法,是一种有效的人脸识别方法。

基于二维离散平稳小波变换的短时电能质量扰动检测方法

基于二维离散平稳小波变换,提出了一种精确定位短时电能质量扰动起止时刻的检测方法。利用二维小波变换将信号分解在3个不同的高频方向,用水平高频系数精确定位发生在工频相位过零点的电压凹陷的起止时刻,用垂直高频与斜线高频系数之和精确定位发生在工频相位非过零点的电压凹陷的起止时刻。该方法只需采用最简单的小波函数db1对信号进行1层小波变换,简单易行且对噪声不敏感。运用Matlab6.5进行仿真实验,验证了该方法的有效性、准确性和鲁棒性。