基于多级Haar小波变换与KS统计的突变点快速探测方法

结合多级Haar小波变换与KS统计理论,提出一种对时序数据突变点的快速探测方法(HWKS),对标准参考序列以及待检测序列分别构建均值二叉搜索树和差值二叉搜索树。基于改进的KS检验方法给出二叉树搜索的2种策略,进而构建实现时序数据突变点快速检测的HWKS理论框架。运用HWKS对模拟的时序数据进行检测,与HW方法、T方法和KS方法的比较结果表明,该方法在对时序数据的突变点进行检测时的误差较小、用时最短、准确度较高。

基于Haar小波变换的重力场方向性适配区选取方法

水下重力场适配区的选取在重力匹配导航系统中起着至关重要的作用,传统适配区选取方法通常以重力场区域统计特性作为评价标准,而存在对方向适配性特征描述不准确的问题,在适配区中往往存在某一航向轨迹的匹配精度大幅下降的情况。针对此问题,提出一种基于Haar小波变换的方向性适配区选取方法,将小波变换后得到的高频信息图进行再组合,从而得到针对于任意指定航向的重力高频信息图。通过对某一海域的船载重力数据进行实验验证,基于所提方法可以根据当前航向选取出更具有针对性的适配区域,适配区内匹配率提升6.3%。所提出的方法不仅解决了现有适配区选取方法对方向适配性描述不准确的局限性,而且为潜航器选择以何种航向进入适配区起到了指导性作用。

基于信息熵和Haar小波变换的开关电流电路故障诊断新方法

针对开关电流(SI)电路的故障诊断和定位问题,为进一步提高故障准确率,提出了基于信息熵和Haar小波变换的开关电流电路故障诊断新方法。该方法采用伪随机信号激励经蒙特卡罗分析、Haar小波正交滤波器分解和信息熵及模糊集的计算来实现故障特征的提取,以减少信号的冗余。最后构建故障字典,完成各故障模式的故障分类。对六阶切比雪夫低通滤波器进行了仿真实验验证,获得了100%的故障诊断准确率,与其它方法进行比较,实验结果显示了本文方法的优越性。

基于Haar小波变换和分块DCT的人耳识别

提出一种新的对人耳图像进行降维的方法。先对人耳图像进行二维的离散小波分解,然后再对小波分解后得到的低频信息施行分块离散余弦变换,进而获得图像的特征向量。实验证明,该方法与模式识别领域中广泛应用的PCA-LDA方法相比,在识别率大体相当的前提下,具有计算量小、降维速度快的优点,是对人耳图像进行特征提取的一种有效的手段。

基于二代小波变换和多级假设检验的输油管道缓泄漏检测方法

针对输油管道缓泄漏准确判断与定位的难题,提出了一种基于二代小波变换和多级假设检验(MHT)的管道泄漏检测方法。首先,采用基于提升框架的二代小波变换对管道首、末端压力信号进行预处理,分析缓泄漏压力信号的小波分解效果,确定压力信号预处理的小波分解层数。其后,利用低频重构信息为原信号概貌并且能突出信号趋势的特点,将小波分解得到压力信号的各层低频重构信息用于泄漏判断与定位。再后,在给出基于MHT的泄漏判断方法和MHT参数的设置方法基础上,对压力信号的每一层低频重构信息分别进行MHT,并对每层结果进行加权平均,得到压力信号下降沿的准确位置后,利用负压波法实现了管道泄漏定位。实验结果表明,该方法可以准确检测和定位管道泄漏,为输油管道缓泄漏检测提供了一种新的手段。

基于Haar小波变换的图像分解与重构

介绍了Haar小波函数及基于Haar小波变换的图像分解与重构,通过实验得出了小波变换及haar小波用于图像分解与重构具有速度快、重构图像压缩比高、对图像容易进行各种分析处理等优点的结论,为后续研究图像压缩技术提供了一定的依据。

用整数Haar小波变换和分块DPCM实现静止图像数据的信息熵保持型压缩编码

本文首先讨论了整数Haar小波的构造方法 ,然后利用分块DPCM与整数Haar小波变换进行信息保持图像数据压缩 ,该方法可进行实时处理 ,硬件实现简单 ,可并行处理 ,实验结果表明 。

一种基于Haar小波变换的彩色图像人脸检测方法

本文提出了一种基于Haar小波变换的彩色图像人脸检测方法。首先进行彩色空间的变换,检测出图像中的肤色区域;利用Adaboost算法训练出的基于Haar小波变换的检测器对该区域进行人脸检测;建立眼睛颜色模型,并根据眼睛!嘴在不同分量上的分布特征,将它们从人脸区域中提取出来;最后融合眼睛!嘴候选区域的信息,利用特征不变的方法进行眼睛和嘴的确定。实验结果表明,该方法能够快速有效地检测出人脸,并能够确定眼!嘴的位置。

基于Haar小波变换的无失真图像压缩

提出了一种利用Ｈａａｒ小波进行图像无失真压缩的算法。对线性预测后的图像进行Ｈａａｒ小波分解，将各子带小波系数根据大小分解成两部分，其位置信息分别通过自适应算术编码进行了有效的压缩。试验结果表明，该算法实现简单，达到了很好的压缩效果。

基于小波变换与多级中值滤波的联合去噪方法

基于小波变换的阈值去噪方法存在阈值选取困难、低信噪比资料去噪后倾斜和弯曲同相轴连续性不好等问题。图像去噪方法中的多级中值滤波具有保护细节的特性,提出了基于多级中值滤波的小波域去噪算法。该方法利用最大和最小中值之差判断平坦区域和边缘区域,提高了小波域中去除噪声的能力,同时有效地保护了信号细节。模型数据与实际数据处理结果表明,该方法比阈值去噪方法分离信、噪的能力更强。

Haar小波变换在变速器齿轮故障诊断中的应用

推导和证明了Haar小波连续小波变换时间和尺度的周期性 ,指出这种周期性可以提取出信号中的周期成分 ,并且使谐波和冲击信号在时间 -尺度域中有不同的图形特征。因此根据这些特性可以识别齿轮裂纹产生的冲击和刚度变化 。

基于Haar小波变换的快速指纹识别算法

指纹中不同的空间频率和纹理方向代表了指纹图像的内在特征。为了提取这些特征,提出了基于Haar小波变换的快速指纹识别算法。该算法在提取指纹特征有效区域的基础上,直接对指纹灰度图像进行Haar小波变换以获取指纹特征向量。与传统的基于指纹细节特征的识别算法相比大大减少了计算量。另外,还将指纹识别算法移植到嵌入式安全领域。在基于Arm7处理器(主频100MHz)架构的嵌入式平台上,对FVC2000标准指纹数据库进行了实验,得到了很好的FAR,FRR关系图,并且整个识别过程耗时在1 s左右。实验结果表明,本文算法在快速指纹识别方面是成功的。

基于小波包-Haar小波变换的漏磁检测信号降噪数据压缩方法

漏磁检测是对输油管道、油罐等设备缺陷进行无损检测的一种重要方法,但在检测过程中产生的信号数据量庞大,同时会产生多种干扰噪声,出现信号失真、漂移和信号被湮没等问题,对信号进行降噪滤波是缺陷漏磁检测的关键环节。探讨了信号降噪压缩方法,研究了基于小波包-Haar小波算法的漏磁检测信号降噪压缩算法,通过该算法,在对信号数据进行降噪压缩处理同时,保留了高频部分信号特征,从而在降噪后数据解压缩过程中避免了信号失真畸变的现象。

基于Haar小波变换和ARIMA-RBF的天然气时负荷预测

针对天然气时负荷预测问题,提出了一种基于Haar小波变换和ARIMA-RBF的天然气时负荷组合预测模型。首先,对天然气时负荷数据样本时间序列进行小波分解,采用Mallat快速算法,母小波为Haar小波,对分解出来的高频分量进行ARIMA预测,低频分量进行RBF预测;其次,对高频分量预测结果和低频分量预测结果进行Haar小波重构;最后,以某市实际采集的天然气时负荷为例进行研究,并与自组织特征映射(Self-organizing Feature Map,SOFM)网络和多层感知器(Multilayer Perceptron,MLP)网络(SOFM+MLP)组合预测模型进行对比分析。结果表明,组合预测模型较SOFM+MLP预测模型的MAPE值指标高出2.593 2%,预测精度显著提高,为实际工程的在线应用提供了有益参考。

基于Haar小波变换的渐弃型废弃河道相识别

针对测井曲线进行沉积微相分析和渐弃型废弃河道微相计算机自动识别的问题,提出基于Haar小波变换的测井曲线沉积微相和渐弃型废弃河道识别的方法.在该方法中,应用小波分解将测井曲线的信号分解为宏观特征信息、细节信息和噪音信息三部分;将渐弃型废弃河道和普通河道作为同一类,利用Bayes判别分析对经小波变换后得到的SP、RMN、RMG曲线的宏观特征信息建立其判相模型,通过该模型将渐弃型废弃河道和普通河道与其他沉积微相进行分离;利用渐弃型废弃河道和普通河道沉积微相在微电极幅度差上的差异,将RMN–RMG值与地层深度建立拟合曲线,利用曲线的斜率为判相依据,识别出渐弃型废弃河道和普通河道.采用C/C++语言在C++Builder平台上编写了本方法的应用程序,实现了从测井曲线沉积微相分析到平面相图自动生成的计算机化.该方法已被应用于大庆油田南二区东块1 480口井和南一区20口井的测井曲线分析处理,其结果与人工识别成果对比表明准确率达80%以上,能满足油田实际生产的要求.

基于分块形态Haar小波变换的盲水印算法

提出了一种基于形态Haar小波变换的数字水印算法。该算法对载体图像按分块进行形态Haar小波变换,水印的嵌入和提取在子块的形态小波域中完成,每个子块嵌入水印的一个像素信息。该算法能实现水印的快速盲提取。实验证明,与分块DCT法和分块DWT法相比,算法不仅简单快速,而且大大提高了水印的不可觉察性和鲁棒性,在抵抗噪声攻击方面更有优势。

基于Haar小波变换的连续时间系统鲁棒参数辨识

给出用 Haar小波对连续时间系统的鲁棒辨识方法。该方法在用 Haar小波对系统输入和输出展开时 ,通过极小化一个鲁棒指标来减少噪声对展开系数的影响 ,因此对连续时间系统可获得鲁棒参数估计。

基于形态Haar小波变换的多聚焦图像融合

针对多聚焦图像融合问题,提出一种基于形态Haar小波分解和重构的新方法。通过形态Haar小波分解源图像,在低频分量中保留图像边缘和细节,并采用加权平均法进行融合。高频分量先经Gauss滤波去除噪声和边缘效应,再按取大值的原则进行融合。结合形态Haar小波重构融合后的高低频系数获得融合图像。实验结果表明,该方法能最大限度地保留图像边缘和细节信息,与总体平均法和小波变换法相比,融合图像的熵较大,总体交叉熵较小。

多级二维整数小波变换的FPGA实现研究

为了满足整数小波变换实时应用的需要,研究了整数小波变换的FPGA实现问题。相对于DSP等传统实现方式,用FPGA实现整数小波变换具有处理速度快,可重新配置硬件,易于修改移植等优点。论文首先描述了二维(5,3)整数小波变换的算法,接着阐述了一种多级二维(5,3)整数小波变换的FPGA实现结构,最后给出了硬件资源消耗、最大时钟频率和功能测试结果等FPGA实现结果。为了提高系统的处理速度,降低系统的资源消耗,本设计采用了参数可配置、共享一维小波变换单元等方法进行结构优化。实验结果证明了本设计结构的有效性,逻辑功能的正确性,修改移植方便,具有良好的应用价值。

整数Haar小波变换及其在无失真图像压缩中的应用

本文首先讨论了整数Haar小波的构造方法 ,然后利用分块DPCM与整数Haar小波变换进行遥感图像的无失真压缩 ,该方法可进行实时处理 ,硬件实现简单 ,可并行处理 ,实验结果表明 。