改进的形状自适应离散小波变换算法

对 MPEG- 4中的形状自适应离散小波变换 ( SA- DWT)进行研究发现 ,父节点在对象外部的节点是影响编码效率的因素之一 ,为此提出了一种对边缘系数进行处理的方法 .该方法既能获取较好的信号处理增益的特点 ,又能保留 SA- DWT所具有的优良特性 .测试结果表明 ,本文方法大大减少了各子带中父节点在对象外部的个数 。

基于离散小波变换的地震资料自适应高频噪声压制

针对现有的小波变换阈值去噪方法无法适用于地震资料高频噪声压制的缺点,笔者分别对阈值函数和阈值选取方案进行了改进,提出了连续硬阈值函数与自适应阈值相结合的地震资料高频噪声压制方法。连续硬阈值函数兼具软、硬阈值函数的优点,可提高重构地震信号的保真度,减少人为噪声误差;自适应阈值方案可根据非平稳地震数据中的能量时变、空变分布特点,通过引入不同子带小波系数标准差、代数平均值以及几何平均值等统计参数,使阈值能够随不同子带的小波系数能量变化而自动调整,以适应地震资料高频噪声压制的要求。实际地震数据处理结果表明,笔者提出的方法在提高信噪比的同时,可保护陡倾角反射界面信号,提高噪声压制后地震数据的保真度。

基于自适应窗和形状自适应小波变换的SAR图像相干斑抑制

结合SAR图像空域的先验知识和小波域系数的特性,提出了一种新的SAR图像相干斑抑制算法.使用最近提出的局部多项式近似-置信区间交叉(local polynomial approximation-intersection of confidence intervals(LPA-ICI))构造自适应窗,寻找到与SAR图像中每个像素点相对应的同质区域,在每个同质区域内利用本文给出的快速形状自适应小波变换进行硬阈值收缩抑斑,最后根据本文提出的稀疏加权方法融合多个估计样本获得最终抑斑图像.实验结果表明本文提出的算法有着很好的抑斑性能,尤其是在去除重构图像中的"振铃"效应以及有效保留原始SAR图像中的点目标方面性能更突出.

基于离散小波变换的自适应语音消噪方法

针对语音信号的宽带特性 ,基于离散小波变换提出一种自适应消噪方案 (DW TANC) ,该方案利用多分辨率分析理论 ,把信号和噪声分解于不同的频率范围中 ,使信号和噪声的频谱得到简化 ,从而减少了自适应滤波器的级数L ,使输入自相关矩阵阶数降低 ,从而改善了它的自适应时间和输出精度 ,增强了其抗干扰能力。

离散小波变换域LMS自适应消噪

本文按照自成体系的离散小波变换正交分解框架，直接从离散域出发，得出离散小波变换域LMS(DWLMS)滤波器，变换的正交性与采样率无关，并可使用Mallat快速算法。该方法可减小自适应滤波器输入向量自相关阵的谱动态范围，提高了传统LMS算法的收敛速度和稳定性。

基于离散不可分剪切波变换和迭代自适应引导滤波的多聚焦图像融合

针对目前多聚焦图像融合中融合图像边缘整体性较差的情形,为更好地表示边缘大尺度轮廓和小尺度细节信息,依据离散不可分剪切波能更好地捕捉高维空间奇异性特征,避免频域重叠,而且可以得到更好的框架界和有更好的方向敏感性等优点,利用其对原图像进行分解以保留更多图像细节特征信息;同时利用引导滤波对边缘的平滑能力,并减弱过平滑影响,提出迭代的自适应引导滤波融合规则,通过加权引导滤波的参数让其自适应图像的平坦区域和边缘区域。对于分解后的系数采用基于边缘算子和图像对比度信息的迭代自适应引导滤波优化,较好地保留边缘整体轮廓和小尺度细节特征,降低光晕效应的影响,同时保证边缘连续性较高。最后通过逆离散不可分剪切波变换得到融合后的图像。通过在不同数据集上的实验结果表明,该算法能够更好地保留图像边缘的整体强度和小尺度细节特征,取得了较好的融合效果。

形状自适应的嵌入式小波图像编码算法

为实现任意形状区域编码,提出了一种形状自适应的嵌入式小波图像编码算法.该算法借鉴低存储器的零树编码(LMZC)方法引入系数重要性矩阵和子孙重要性矩阵以减少存储空间的使用,并引入最大幅值变量以避免对后代系数的重复扫描.编码过程中,当树结构的编码开销大于增益时,采用直接位平面编码.实验结果表明,该算法执行速度快、存储器需求低,在相同压缩比情况下,图像重构质量和峰值信噪比(PSNR)均优于LMZC与等级树集分割(SPIHT)算法.利用该算法对任意形状对象进行压缩编码可取得良好的压缩效果.

基于小波变换的数字图像自适应盲水印算法及实现

针对传统基于人类视觉系统特性的空间域与变换域结合算法的缺陷,提出了一种基于小波变换的数字图像自适应盲水印新算法,通过置乱加密技术提高整个数字水印系统的安全性能,水印嵌入过程中使用了改进的量化水印算法;通过计算相邻特征平均值来自适应调整待量化小波系数的量化间隔,大大提升了水印系统的逼真度;实验结果表明,该算法具有嵌入信息量大,嵌入水印图像透明性好,对常见的噪声、中值滤波、旋转、剪切和JPEG压缩抵抗性强等特点,算法对于常见攻击后提取出的水印仍与原始水印具有0.90以上的相似度,具有很好的鲁棒性。

小波变换用于基于图像内容的自适应数字水印算法

为了提高在频率域嵌入水印抵抗攻击的能力,该文提出一种基于DWT的CBWM自适应数字水印嵌入算法,该算法依据离散小波变换域的水印嵌入策略:水印应当首先嵌入小波图像的低频系数中,若有剩余,再按小波图像频带重要性的排序,嵌入高频带中,并且水印嵌入到图像的低频系数和高频系数中时,需采用不同的嵌入强度;将水印嵌入到图像三级小波分解变换域的低频空间(LL3)的特征向量中,并且水印与特征向量两者正交。并且,其中水印的嵌入过程是自适应的,即先将小波系数组织成小波块,再依据纹理强弱对小波块分类,然后根据分类结果,将不同强度的水印分量嵌入到特征向量的不同分量中。此外,该算法对静止图像的水印检测是通过Neymann-Pearson决策准则来实现的。实验结果证明,该算法对滤波、噪声、几何变换、图像压缩、以及x-y方向修剪、StirMark攻击等都具有很好的抵抗能力;对裁剪和图像旋转也具有较好的鲁棒性。

基于混沌、HVS和小波变换的自适应数字水印算法

为了提高常规小波域水印算法的自适应性,在此提出了一种在小波域嵌入数字水印的新算法。首先,对载体图像进行一层小波分解;然后,对具有较大纹理强度的中频子带进行二层小波分解,并选取二层中频子带HL1作为嵌入区域;最后,计算嵌入区域中每一点的亮度差异值,并根据HVS原理将混沌置乱后的二值水印信息自适应的嵌入到具有较大亮度差异的位置上。经仿真实验表明,该算法具有很好的不可见性,且对JPEG压缩、加噪、滤波等常见的图像攻击具有很强的鲁棒性。

基于小波变换的图像自适应灰度水印嵌入算法

本文以图像反色、离散小波变换和人眼视觉特性为基础,提出了一种图像自适应水印嵌入新算法。该算法适用于水印采用灰度图像、宿主图像采用灰度或彩色图像的水印系统。实验结果表明,该算法很好地兼顾了水印的不可见性和鲁棒性。

基于冗余小波变换的自适应运动估计与补偿算法研究

为进一步提高运动估计和补偿的效果,提出了一种基于冗余离散小波变换(RDWT)的自适应运动估计算法。该算法提出了一种自适应块匹配和用于划分块运动状况的自适应阈值的计算方法;对静止块不进行估计,只对运动块采用自适应搜索起点预测方法和自适应阈值算法进行运动估计与补偿。实验结果表明,该方法能在保持较高峰值信噪比的情况下提高运动估计效率,且重建图像主观质量很好,较现有RDWT域运动估计算法有明显优势。

自适应盲水印图像小波变换算法及实现

针对传统基于人类视觉系统特性的空间域与变换域结合算法中嵌入信息量小和检测准确率低的缺点,利用图像的局部纹理特性生成扩频码,并在水印嵌入过程中引入加密方法,通过计算相邻特征平均值为自适应调整待量化小波系数的量化间隔,提出并实现一种基于小波变换的数字图像自适应盲水印新算法,并用新算法进行仿真实验.仿真实验结果表明新算法通过阈值检测准确率高,对常见的图像处理有较好的鲁棒性,并且简便易行,计算量小.新算法在应用中有较大的灵活性,可嵌入信息容量大,运算速度快,可操作性强.

一种基于新量化方案的形状自适应整数小波编码算法

首先提出了基于提升方案的形状自适应整数小波变换算法,然后对整数小波同第一代小波的变换系数分布特性的差异进行了详细的分析.针对整数小波变换系数幅值动态变化范围小,而传统EZW中阈值区间相对较大,不利于形成零树结构的不足,提出了基于奇数平方的阈值选取方法.并在此基础上,提出一种基于二分法的量化逼近方案,与传统的基于位平面的量化方法相比,该方案能用更少的比特来完全重构一个系数.最后,提出了基于整数小波变换和新的量化方案的形状自适应EZW编码算法.实验结果表明,阈值选取方法是合理的,而基于二分法的量化逼近方案是有效的.在相同码率下,与传统阈值选取和量化方案相比,该方法重构图像的峰值信噪比要高出0.5～2dB.

形状自适应小波编码

一种基于扩展SPIHT的形状自适应小波编码方法在文中被提出。其对形状自适应小波变换的机理进行讨论,根据掩模图像对视频对象进行三级形状自适应小波分解。对现有SPIHT进行改进,提出一种扩展SPIHT的压缩方法。该方法利用小波子带自相关特性对任意形状的视频对象进行编码,并且根据对应的三级掩模图像对视频对象外的零值不编码以减少码流。实验结果表明该方法在保证对任意形状视频对象的交互操作功能的同时有效提高编码效率。

基于卷积神经网络和离散小波变换的滚动轴承故障诊断

针对滚动轴承故障诊断时频特征自适应提取与智能诊断问题,提出了一种基于卷积神经网络(Convolution Neural Network,CNN)和离散小波变换(Discrete Wavelet Transform,DWT)的滚动轴承故障诊断方法。首先应用离散小波变换将信号时频特征充分展现,构造出时频矩阵;然后再利用卷积神经网络的多层特征提取网络对输入信号进行分级表达,将时频矩阵低层信号特征逐层变换形成抽象的深层特征,以获取原信号时频信息的分布式特征表达。最后在特征输出层后端添加softmax多分类器,利用反向传播(Backpropagation,BP)逐层微调结构参数,建立特征空间到故障空间的映射以生成合适的分类器,从而实现滚动轴承故障诊断。通过对不同故障类型、不同损伤程度以及不同工况下的滚动轴承进行故障诊断实验,结果证明了所提方法的可行性与有效性,并具有较好的泛化能力和稳健性。

基于离散平稳小波的改进自适应降噪方法

提出一种基于离散平稳小波的改进自适应降噪方法。首先,利用离散平稳小波的冗余特性,解决离散二进小波变换降噪方法在奇异点存在振荡效应的问题;其次,针对传统小波阈值降噪算法忽略尺度系数噪声影响的不足,利用噪声强度估计各分解层阈值,对尺度和小波系数同时进行自适应降噪;最后,将此方法应用于不同信噪比下典型信号的降噪对比试验。仿真结果表明:该方法在消噪的定性和定量指标上,整体优于传统离散二进小波方法,消噪效果改善明显。

改进离散平稳小波变换在压力信号消噪中的应用

提出基于离散平稳小波的改进自适应降噪方法,并将该方法应用于压力信号消噪,取得了优于传统小波消噪的效果。方法利用平稳小波的冗余特性,解决了传统二进小波变换降噪方法在奇异点存在振荡效应的不足,同时将尺度系数的噪声与各层噪声强度不同纳入分析。利用噪声强度估计各分解层阈值,对尺度和小波系数同时进行自适应降噪。将该方法应用于压力信号消噪,并与传统离散二进小波进行比较,证明了方法的可行性和有效性。

结合小波变换与数学形态学的电缆局放信号识别与降噪方法

针对大部分电缆局放(PD)信号识别方法在噪声影响下的识别准确率低、波形失真等问题,提出了一种基于小波变换与数学形态学的电缆PD信号识别及降噪方法。该方法利用最大重叠离散小波变换提取PD信号的高频和低频特征,结合重构和数学形态法滤除噪声。利用自适应神经网络学习小波变换后的特征,最终完成PD信号的识别分类。基于某变电站实测PD信号波形对所提方法进行实验分析结果表明,信号降噪处理后的信噪比与均方误差分别为5.439 dB、0.251,且整体的识别准确率超过了88%,均优于其他对比方法,具有良好的应用前景。

基于混沌和HVS的小波域自适应图像水印算法

针对常规的小波域水印算法自适应性差的缺陷,提出了一种新的基于混沌和人类视觉系统的小波域自适应图像水印算法。首先对载体图像进行二级DWT变换;然后对特定的中频子带进行分块,并对每块做SVD分解;最后将Logistic混沌置乱后的二值水印信息嵌入到每块的最大奇异值中,嵌入的强度根据HVS原理自适应地进行调整。仿真实验表明,该算法不仅具有很好的不可见性,且对JPEG压缩、加噪、滤波等常见的图像攻击具有很强的鲁棒性。