光学可分离小波变换的研究

为改进光学小波变换,提出了光学可分离小波变换的概念。通过对光学小波变换的必要条件进行分析,采用层叠算法和二维可分离小波变换构造方法计算出了尺度和小波函数的二维离散近似序列。将新的母小波引入到光学小波变换中,获得了光学可分离小波变换。通过与现有光学小波变换及二维可分离离散小波变换进行比较说明了其优点。

基于模糊熵和非分离小波变换的图像融合算法

针对传统可分离小波图像融合过程中存在部分边缘丢失和纹理信息模糊的问题,提出了突出图像细节和消减图像模糊性的融合算法。该算法在非分离小波分解框架下,对反映图像近似内容的低频分量采用局部模糊熵极大值融合规则,对反映图像细节特征的高频分量提出了区域亮度细节占优加权的融合规则。最后通过非分离小波逆变换重构融合图像。实验结果表明,该算法能在保留源图像信息的情况下,提高融合图像的清晰度,增强细节信息及亮度对比度。

基于非分离小波的多模态医学图像融合算法

针对传统可分离小波医学图像融合过程中存在部分边缘丢失和纹理信息模糊的问题,根据CT/MR I图像内容的互补性,提出整合及突出图像细节的医学图像融合算法。该算法在非分离小波分解框架下,对反映图像近似内容的低频分量采用区域信息熵加权融合规则,对反映图像细节特征的高频分量提出了区域亮度细节占优加权的融合规则;最后通过非分离小波逆变换重构融合图像。实验结果表明,该算法能在保留源图像信息的情况下增强融合图像的细节及亮度信息。

基于二维双树复数小波变换的图像去噪

目前小波变换在图像去噪中的应用取得了较好的效果。而二维双树复数小波变换由于其在平移不变性,方向性等方面的优势,要比可分离二维离散小波变换具有更好的图像去噪能力。因此我们提出采用二维双树复数小波变换进行图像去噪,仿真试验结果表明二维双树复数小波变换的去噪效果明显改善。

WK混合滤波算法在雷达数据处理中的应用

通常的Kalman滤波算法不能很好的解决信号的时频局部性问题,往往只能在低频和高频两种滤波算法间通过机动检测器(变维滤波算法 )或马尔可夫链的转移概率矩阵 (VD算法 )来进行切换,因为有一定的滞后,并受到机动检测器和转移概率矩阵的影响较大,从而产生较大的滤波误差。笔者将二维可分离小波变换良好的时频局部性和Kalman滤波的实时最佳预测修正跟踪滤波估计结合起来,得出一种有效的混合滤波算法(WK算法),并将该算法用于进行雷达数据的滤波处理,使得滤波估计值逐步逼近真实轨迹。通过实际的仿真验证了该算法比其它单一的滤波算法更为有效。

模型驱动下的形状分布算法

三维模型的特征提取方法中,形状分布算法简单,具有强的不变性和鲁棒性,但其抽样点不具有代表性,影响了系统的检索精度.为增强抽样点的有效性,我们改进抽样策略,首先引入模型复杂度描述参数,扩大抽样点集;然后利用可分离离散小波变换,逐层分解样点集,增强其有效性,并使最终样点数相同;最后使用形状分布算法进行三维模型的特征提取,并应用在三维模型检索上,对比实验结果表明,改进后的算法提高了系统的检索精度.