基于几何与图像混合绘制中的快速WARP变换算法研究

基于几何与图像的混合绘制中 ,3D Warp算法以严格的数学变换为基础 ,从而能够保证准确的投影关系 .但该算法在实时绘制阶段需进行大量的数学运算 ,故其时间复杂度较高 .该文提出了一种新的快速 Warp变换算法 ,算法以 3D Warp算法为基础 ,采用了崭新的投影过程 ,从而使时间复杂度较 3D Warp算法有较大幅度的下降(降低约 7.5 1倍 ) .同时 ,该算法是一种流水结构 ,能够有效利用现有的加速硬件 。

利用四阶样条小波快速计算信号的希尔伯特变换

在有限区间内计算给定信号的希尔伯特变换是数据分析中的一个重要问题。在现存的最好算法中,该问题的计算复杂度为O(nlog n),其中n为信号长度。为了进一步提高计算速度,本文建立一种基于四阶样条小波计算信号的希尔伯特变换的快速算法,将计算复杂度从O(nlog n)降到O(n)。数值实验表明该算法在具有更快计算速度的同时,具有与现存最好算法可比较的计算精度。

快速傅里叶变换的两种改进算法

首先分析用于模拟信号频谱分析的快速傅里叶变换法，进而提出基于线性插值原理和抛物线插值原理的两种改进快速傅里叶变换法。算例分析表明，改进后的算法明显提高了计算精度，降低了对采样频率的要求，从而明显提高了计算速度。

杂波环境下基于Hough变换和逻辑的快速航迹起始算法

航迹起始是航迹处理中的首要问题。本文提出了一种新的航迹起始算法,即基于Hough变换和逻辑的航迹起始方法。这种新的算法首先利用Hough变换法排除大量的杂波点,创造一个虚警概率比较低的环境,然后利用3/4逻辑法起始航迹,因而特别适用于密集杂波环境下快速起始航迹。仿真结果表明了这种算法在快速起始航迹中的有效性及优越性。

卷积型小波包变换及其快速算法

经典的小波包变换会使分解序列的长度递减,这在某些领域并不是很有利。为了解决这一问题,本文提出了卷积型小波包变换算法,利用这种变换,不管信号被小波包分解多少层,分解得到的各频道序列长度始终与原始信号一致。文中推导了卷积型小波包的正变换和逆变换的快速算法,并以对一个实际信号的处理为例,与经典的小波包分析结果进行了比较,它们的效果是一致的,但是卷积型小波包却免去了重构这一过程的手续。

一种离散小波变换的快速分解和重构算法

通过对实序列的快速傅里叶变换算法的推导及Mallat算法原理的分析 ,根据离散小波变换 (DWT)算法结构特征 ,提出了一种离散小波变换的快速分解和重构算法 ;给出了相应的算法步骤 .从数学理论上对该算法进行了论证 ,结果表明与原有的快速小波算法 (Mallat算法 )相比 ,可显著减少信号与滤波器长度N较大 (大于 1 6)时小波变换的实乘次数 (分解仅为 ( 5log2 N + 7)N次 ,重构仅为 4N( 1 +log2 N)次 ) ,提高了运算速度 .且该算法有着良好的并行性 ,易于数字信号处理器 (DSP)

一种新的gyrator变换的快速算法

为了研究gyrator变换在光学信息处理中的应用,提出了一种采用两次快速傅里叶变换实现快速计算gyrator变换的新算法。在量纲归一化条件下,研究了gyrator变换离散化过程,获得了空域、傅里叶变换域和gyrator变换域的采样间隔,形成了一种能避免尺度变换的算法。采用该算法进行了数值模拟实验,实验结果与相关文献中报道的计算结果一致。结果表明,该算法可以应用于gyrator变换的研究中。

G-S变换的快速算法

在电磁场瞬变响应的数值计算中 ,常采用G S变换法作逆拉氏变换 .它是纯实数运算 ,而且只需对较少的拉氏变换变量s值作计算 (通常对每一采样时间选用 1 2个s值 ) ,因而是一种计算速度较快的算法 .但是 ,要对大量采样时间作计算 ,其计算量仍太大 .本文基于拉氏变换的延迟定理 ,建立了一种新的G S变换算法 .数值检验结果表明 ,新算法可成级次地减少对大量采样时间作G S变换的计算量 ,显著提高电磁场瞬变响应的计算速度 .

快速傅立叶变换Cooley-Tukey算法补零问题

目的 研究快速傅立叶变换补零问题;方法 基于傅立叶变换定义,分析任意函数序列x(n)补零前后傅立叶变换结果;分析推导补零规则;运用同余概念及其运算规则,分析补零规则各量之间的关系。结果 任意长度的函数序列长度补零前后傅立叶变换结果是不相同的;补零必须使得补零后函数序列数N1为补零前函数序列数N的整数倍,中且为2的整数次幂;若要满足这一条件,则N必为2的整数次幂。结论 使用快速傅立叶变换算法对任意长度函数序列补零时,必须注意到补零前后傅立叶变换的结果是不相同的;若按补零规则补(r-1)N个零,则可使补零后特定关系的函数序列的傅立叶变换对应于补零前的傅立叶变换;并非任意长度的函数序列都能满足这一关系,只有N为2的整数次幂的函数序列才能满足补零规则的要求。

基于自适应快速S变换和XGBoost的心电信号精确快速分类方法

针对心电信号(ECG)传统分类方法效率较低的问题,该文提出一种基于自适应快速S变换(AFST)和XGBoost的心电信号精确快速分类方法。该方法首先通过快速定位算法确定心电信号特征频率点,再根据特征频率点自适应调节S变换窗宽因子,增强S变换的时频分辨率的同时避免迭代计算,大大减少运行时间。其次,基于自适应快速S变换的时频矩阵提取12个特征量来表征5种心电信号的特征信息,特征向量维数低,识别能力强。最后,利用XGBoost算法对特征向量进行识别。MIT-BIH心律失常数据库和患者实测数据验证表明,该方法显著地缩短了分类时间,对5种心电信号的分类准确率分别为99.59%和97.32%,适用于实际检测系统中心律失常疾病的快速诊断。

基于哈特莱变换的快速图像模板匹配算法

去均值归一化模板互相关(ZNCC)是工程中应用最多的图像匹配算法,但过高的计算复杂度严重限制了其在实时系统中的应用。针对这一问题,提出了基于快速哈特莱变换的快速模板图像匹配算法,首先推导了该算法在哈特莱域的表达式,利用可分离的快速哈特莱变换对相关面进行高效率整体计算,然后在空间域对获取的相关面进行快速归一化处理和极值搜索,并通过空间换取时间和积分图的策略进一步加快算法的计算速度。对算法计算量的定量分析和仿真实验结果表明,算法计算效率高,并且可以完全重构,加速比与图像内容无关,综合性能全面优于现有算法,具有良好的工程应用前景。

一种快速霍夫变换算法

霍夫变换是图像处理中的一种常用的检测算法,能够有效地在较大的噪声环境中提取图像中的特定信息。但标准的霍夫变换算法运算量大,处理速度慢,有较大的局限性。该文讨论了一种快速霍夫变换算法,该算法有效地降低了传统霍夫变换算法的时间复杂度,提高了计算效率和运算速度,对于提高图像处理的速度,增强图像处理的实时性有着显著的作用。

一种三维快速傅里叶变换并行算法

三维快速傅里叶变换在物理计算领域中被广泛地使用.传统并行算法所使用的面划分和块划分方法并不适合稀疏三维向量的傅里叶变换.提出了一种新三维快速傅里叶变换的并行算法,针对稀疏三维向量的傅里叶变换,新算法通过重新调整x,y,z三个方向的计算顺序,能最大限度地减少计算量以及进程间的通信量,从而减少计算时间,提高并行加速比.详尽的理论分析以及多个高性能计算平台上的实验结果证明:在对稀疏三维向量作傅里叶变换时,新算法优于传统算法.

基于小波变换的字符识别快速算法

提出了一种基于小波变换的识别图像中英文字母、数字以及汉字字符的快速算法.算法通过将字符二值化点阵图像进行垂直与水平方向投影,实现了从二维图像数据到一维数据的转化.对于W×H大小字符图像,相对于传统算法,本算法将运算量从W×H数量级降至W+H数量级,大大降低了后续处理运算的时间复杂度,同时保留了足够的关于字符垂直及水平点阵分布的特征信息.将投影得到数据进行2层小波分解,从其中各层平滑分量提取一个特征信息,将其与模板字符对应的特征信息进行分析比较,实现了字符的快速高效识别.实验结果表明,运用此快速算法可使字符总的识别率达到92%以上.

快速霍夫变换算法

二值图像的直线检测过程中 ,标准霍夫变换算法的计算量为 O(N3) .该文提出一种快速霍夫变换算法 ,其计算量仅为 O(N2 log2 N) .该快速算法可以并行实现 ;处理器阵列规模为 O(N2 )时 ,计算量为 O(log2 N) .文中还分析得到快速算法的误差上界 ,并提出一种改进的快速霍夫变换算法以获得更高的计算精度 .最后 ,给出算法的数值算例 .理论分析及数值算例都表明 ,该文的快速霍夫变换算法在直线检测过程中有着更高的计算效率 ,并且具有良好的计算精度 .

求解分数傅里叶变换衍射积分的一种快速算法

在对Lohmann二型分数傅里叶变换 (FRT)和菲涅耳衍射积分进行比较的基础上 ,给出基于快速傅里叶变换 (FFT)求解该分数傅里叶变换和菲涅耳衍射积分的快速算法及算法适用范围 数值模拟实验证明了理论的可靠性和算法的高效性

一类特殊的离散Walsh-Haar变换的快速算法

利用Walsh-Haar矩阵HKRm+1的递归性以及Walsh序的离散Walsh变换的快速算法,提出了一类特殊的Walsh序的离散Walsh-Haar变换的快速算法.该变换的特殊性在于Walsh-Haar函数系与Haar函数系一样,其演化生成时的伸缩比均为R=2.采用对输入数据奇偶二分及对变换结果数据对半二分,如此对一个KRm+1点的数据经过m+1步加上logK步二分以及若干次调序后,便得到变换结果.本设计方法可用于研究其他序的伸缩比为2的离散Walsh-Haar变换的快速算法.

基于快速曲波变换的图像去噪算法

曲波(Curvelet)可以很好的表示含曲线奇异的函数的异向性,但传统的曲波99变换采用复杂的参数结构和重叠的窗口,既不利于数学定量分析,也增加数字实现的冗余。采用快速曲波变换,对物体边缘信息具有最优稀疏表示。通过平移不变的曲波萎缩算法,可获得比传统去噪方法更好的均方误差(MSE)。实验结果表明,与传统的MultiVisu,MultiBayes,WHMT去噪算法比较,算法CS-FDCT去噪效果最佳,在噪声方差"=25时,使用该方法的峰值信噪比(PSNR)可高达30.8528,并且去噪后的图像具有最好的视觉效果。

快速傅立叶变换算法概述

快速傅立叶变换 ( FFT)属于数字信号处理中最基础的运算 ,已广泛应用于通讯、医学电子学、雷达或无线电天文学等领域。对 FFT的主要算法进行了概述 ,并对其特性和运算工作量进行了分析和对比 ,期望对快速傅立叶变换算法有一个清晰的认识。

Haar类变换的演化生成与快速算法

本文运用二分演化思想，提出了Ｈａａｒ类变换的一种新的递归演化生成方法，并依此给出了即位的快速Ｈａａｒ类变换算法．