基于平移不变小波变换的图像滤波算法

为克服传统滤波法在去除高斯噪声时存在的不足,研究了一种基于平移不变小波变换的图像高斯噪声滤波算法,分析了小波分解函数、阈值系数及平移间距对滤波结果的影响。仿真试验表明,文中算法能够在去除噪声的同时较好的保持图像边缘,同时,峰值信噪比也较均值滤波法、小波软阈值和硬阈值等方法有所提高,是一种有效的高斯噪声图像滤波算法。

平移不变小波医学图像融合方法

针对传统小波变换融合算法对细节信息的丢失问题,提出了一种新的基于平移不变小波变换的医学图像融合算法,采用灰度加权平均法进行低频部分融合;高频部分采用基于梯度能量的加权融合规则。实验结果表明,与传统的小波变换方法相比,文中方法融合效果更加理想,较多地继承了两幅源图像的重要信息,更好地描述了图像的细节部分,更具有实用性。

电压互感器局部放电信号去噪的平移不变小波算法

针对电压互感器局部放电检测中存在较多干扰的问题,分析了电压互感器的在线监测的局部放电信号和白噪声的小波变换特性。根据白噪声和局部放电信号的不同特性,采用平移不变的小波去噪方法,对放电信号进行循环平移,从而消除小波基的平移依赖性.对比普通小波去噪,该方法能有效地消除人为振荡现象,使去噪后的信号更光滑和逼近真实信号.仿真数据表明,基于平移不变小波消噪方法可以有效抑制局部放电噪声干扰,成功提取出有效的局部放电信号,消噪效果优于传统小波消噪方法。

双变量模型与平移不变小波变换相结合的图像去噪算法

提出一种双变量模型与平移不变小波变换相结合的图像去噪算法.与传统的小波阈值去噪算法不同,该阈值不是直接作用于小波系数,而是利用图像平移不变小波变换系数尺度内和尺度间的双重相关性信息,构造出非高斯双变量分布模型,对该模型应用贝叶斯最大后验估值理论推导得到相应的非线性双变量阈值函数.同时,对第L级系数也作自适应处理.仿真结果和分析表明,该算法在视觉效果和峰值信噪比的改善上都取得了非常好的效果.

一种改进的基于平移不变小波去噪方法及应用

传统的小波阈值去噪法会在信号的奇异点附近产生人为地振荡现象,影响了去噪效果.使用基于平移不变的小波去噪,可以很好地消除这种振荡现象,同时针对传统的软硬阈值函数的不足,研究了一种新的阈值函数,此阈值函数具有软硬阈值函数不可比拟的灵活性.将这种新的阈值函数与平移不变小波去噪法结合起来,提出了一种基于平移不变小波去噪的改进算法.最后通过理论仿真证明所提出的新方法在信噪比增益和最小均方误差意义上均优于平移不变小波去噪法以及传统的软、硬阈值去噪法.

平移不变离散小波变换在光纤陀螺信号处理中的应用

光纤陀螺输出信号中主要含有白噪声和具有非平稳、长程相关、自相似性及具有1/fγ类型谱密度的分形噪声,传统的滤波方法难以去除这类噪声,小波分析的多分辨分析特性,使之成为分析分形噪声的有力工具.文中分析了光纤陀螺输出信号误差特性,建立了输出信号的数学模型,在分析了分形噪声的特性的基础上,采用小波变换方法生成分形噪声.在实验室环境下采集了某型号光纤陀螺仪输出信号,对其进行多种小波滤波方法滤波对比实验,并进行了实验结果分析,实验结果表明采用平移不变离散小波变换半软阈值滤波方法可以有效地去除分形噪声和白噪声,克服了硬阈值法有较大的方差和软阈值法有较大的偏差的缺点.

基于平移不变离散小波的多普勒血流信号杂波抑制

针对由血管壁和慢速运动组织产生的杂波会严重影响超声多普勒低速血流成分频谱估计的准确性问题,根据超声多普勒血流信号及杂波的特征,提出基于平移不变离散小波变换的抑制杂波方法,分别对仿真和实际超声颈动脉血流信号进行实验,并与高通滤波和离散小波变换方法进行比较.结果表明:经过平移不变离散小波变换方法抑制杂波后,信号的声谱图质量及性能指标均有明显改善,其中低速血流相对误差仅为4.86%,与高通滤波方法的相对误差10.28%和离散小波方法的相对误差7.26%相比,相对误差分别减小了5.42%和2.4%,低速血流成分频谱估计的准确性得到了提高.

动中通系统中陀螺信号小波滤波算法

在动中通系统中,陀螺检测的载体扰动信号的精度直接关系到整个系统的精度和性能。针对陀螺噪声信号的特点,提出了一种将3σ模平方阈值和平移不变小波变换(translation invariant discrete wavelet trans-form,TIDWT)相结合的滤波算法,能够有效地抑制陀螺噪声信号和由小波变换产生的失真现象。仿真和实验结果表明,该滤波算法效果优于传统的小波滤波算法。

小波尺度空间中的边缘检测算法

提出用一个非线性的小波尺度空间代替高斯尺度空间,得到小波尺度空间中的边缘检测算法。实验结果表明该边缘检测方法优于Canny边缘检测的多尺度方法,能够保留更多的图像细节边缘,具有较强的抗噪声能力。

小波域Wiener滤波器信号的去噪方法

提出采用小波域上的经验Wiener滤波器对信号进行去噪,得到优于小波阈值法的去噪效果.引入平移不变小波,较好地抑制了信号中的伪吉伯斯震荡.结果表明,将小波域上的经验维纳滤波器与平移不变小波相结合进行去噪,所得到的效果是最佳的.

基于耦合小波阈值的图像放大增强方法

利用单尺度平移不变Haar小波变换和扩散方程离散一步迭代的等价性,提出一种图像放大增强的新方法。该方法把原图像作为放大图像的小波低频子带,对重构后的图像进行平移不变小波分解,然后进行基于前向-后向扩散方程的耦合小波阈值。该阈值使得在放大的同时能更好地去除噪声和增强图像的边缘部分,放大和增强同时实现。该方法简单易实现,数值实验结果证实,此方法为一个有效的图像放大增强法。

基于SIDWT和迭代自一致性的快速并行成像重建方法

为提高并行磁共振成像的重建速度,基于平移不变离散小波变换(SIDWT)和迭代自一致性并行成像重建(SPIRiT)模型,提出一种高效的重建方法fSIDWT-SPIRiT.该方法针对含有数据一致项、校正一致项和L1范数正则项的复杂优化问题,首先将数据一致项和校正一致项进行合并处理,之后利用快速投影迭代软阈值算法进行求解以实现快速并行磁共振成像重建.最后,在不同人体器官的数据集上进行测试.仿真实验结果表明:与其他方法相比,该方法能够在保证图像重建质量的同时,具有更快的收敛速度.

基于自适应无下采样提升框架的Stokes图像获取方法

根据成像偏振探测中stokes参数图像获取的原理和方法,分析了传统求取stokes参数图像方法在保留图像细节信息和处理输入图像微小平移等方面的不足,在此基础上提出了基于自适应平移不变小波分解的stokes参数图像求取方法,并用无下采样的提升框架来执行平移不变小波分解以提高算法的灵活性和计算速度.针对不同的stokes参数图像求取方法,用均值、方差、熵、边界能量对融合结果进行评价和分析.通过仿真,表明本文方法提高了stokes参数图像的质量并改善了stokes参数图像计算方法对输入图像平移的敏感性.

基于像素层图像融合的偏振图像计算方法研究

根据Stokes参数图像的计算原理和方法,分析了传统计算方法在保留细节信息、处理源图像的平移等方面的缺陷,并在此基础上提出了一种基于平移不变小波变换的参数图像计算方法。同时,用互信息和条件熵来评价本文计算方法的性能。通过仿真比较,本文方法在获取高可靠性的Stokes图像以及降低平移敏感性方面具有较强的优势。

一种面向混沌时间序列预测的虚拟特征提取算法

针对混沌时间序列预测问题,该文提出一种虚拟特征提取算法,以提高其预测精度。首先,采用平移不变小波变换,提取出混沌时间序列的细节和光滑子层信息。然后,将混沌序列线性与非线性特征从加和关系推广到函数关系。最后,利用小波子层信息给出一种新颖的虚拟特征表达,以用于预测实验。采用经典的Mackey-Glass仿真数据,以及美国密西西比河实测径流流量数据实验表明,该文方法提高了预测精度,从而也验证了该文提出的虚拟特征提取算法在混沌时间序列预测上的有效性。同时,也可为控制、水文、气象等领域的混沌现象决策提供参考。

基于改进纹理表示和Mean Shift的目标跟踪

本文提出了一种改进的纹理表示方法.首先对视频每帧图像进行平移不变小波变换,可以很好的提取图像的纹理和细节特征,同时能降低光照和噪声的影响,然后通过融合边缘强度来突出图像的纹理特性,把改进的纹理图像替代之前的原始帧图像.通过实验结果表明,基于改进纹理表示的算法是非常有效地,它能极大提高跟踪算法的鲁棒性.

应用双稀疏模型和ADMM优化的图像复原

基于稀疏表示的图像复原算法大都只利用了图像整体稀疏性和局部稀疏性中的一种,未充分利用图像的先验知识,基于此,本文在稀疏表示框架下,同时引入Cosparse解析模型及平移不变小波变换两种稀疏模型,前者对每个图像块进行稀疏表示,后者对整幅图像进行稀疏表示,从而提出一种新的图像复原算法。该算法将图像复原问题归结为双稀疏正则化问题。为求解复杂的双稀疏优化问题,本文运用交替方向乘子法(ADMM,Alternating Direction Method of Multipliers)算法将该约束优化问题分解为若干子问题,通过交替迭代求解获得复原图像。实验中对不同类型的模糊图像进行了复原,其结果表明该算法对于各类模糊图像的复原比现有复原算法效果更好,从而验证了算法的有效性。

基于改进主动外观模型的人脸识别算法研究

提出一种基于改进主动外观模型AAM(Active appearance model)方法的人脸识别方法。先采用平移不变小波分解图像获得低频系数,把低频系数作为图像的纹理表示,能更充分表征人脸面部的纹理特征。然后采用增量子空间学习算法更新训练样本的特征空间,通过实时对模型的更新和学习,实时更新特征空间更有效地描述样本图像间的相似性或差异性。最后把提取的面部特征点信息作为每个人脸的特征向量,根据最近邻分类器进行人脸识别验证。实验结果证明了该改进方法的有效性。

基于SIDWT的多模态脑部医学影像融合算法

研究了人脑CT/MRI医学图像融合算法。传统的基于小波变换的融合方法由于不具备平移不变性,在融合图像的奇异处易产生失真。提出了一种基于平移不变离散小波变换(SIDWT)的新融合方案。利用SIDWT将待融合的医学图像分解成低频子带和高频子带。对于高频子带,提出平滑度来划分子带区域,针对不同区域采用不同的融合规则,更好地保持了源图像的边缘细节信息。对于低频子带,采用基于局部区域对比度的融合规则。实验结果表明,该算法融合性能优越,比传统的融合算法获得更好的融合效果。

基于AAM和POSIT的人脸姿态估计

在深入分析已有的基于AAM的人脸姿态估计方法后,本文提出了一种基于改进纹理表示的AAM模型和POSIT算法的人脸姿态估计方法。实验结果表明,该方法对提高人脸姿态估计的准确性有一定帮助。