à Trous小波在卫星遥测数据递归预测中的应用

该文提出了一种基于劋Ｔｒｏｕｓ算法的小波递归预测方法?迷げ馑惴ú捎梦蕹槿±肷⑿〔ū浠坏膭ぃ裕颍铮酰笏惴?,可以逐点把时间序列分解为与原序列长度相同的小波系数 ,适合在递归预测中应用 ,弥补了Mallat算法不能实时调整模型参数的不足。预测卫星电源母线电压数据表明 ,该方法满足预测卫星遥测数据的要求。

基于DM642融合系统的A Trous小波实时图像融合算法

给出了一种基于DM642融合系统的A Trous小波实时图像融合算法。选用适合视频图像处理的TI最新高性能定点数字信号处理器DM642作融合系统核心处理器,利用DM642的600 MHz高速运算能力,EDMA和EMIF的高速数据传输能力,以及它的视频编/解码单元无缝连接的灵活可配置的视频端口,构建了双波段图像融合系统平台。在此系统上对可见光图像进行A Trous小波变换,提取出不同分解层的特征信息,将特征信息与红外图像进行融合。融合后的图像保持了可见光图像的线条及边缘特征,还融合了红外图像的目标特征。仿真实验结果表明,在融合系统平台上实现双波段图像实时融合算法只需39.46 ms左右,满足25 frame/s的工程需求。

à trous小波分解在边缘检测中的应用

讨论了劋ｔｒｏｕｓ小波分解的原理及进行边缘检测的方法靡环樱校希砸8型枷窠辛耸匝?,并与经典的Sobel算子和Robert算子处理的结果进行了比较。结果表明 ,其性能在某些方面具有明显的优越性 ,并具有一定的抗噪声能力。同时 ,讨论了本文所述方法需要进一步改进的地方。

基于Trous小波的影像融合

基于Mallat小波算法的影像融合 ,由于存在抽取和插值运算 ,其结果存在一定的相位失真 .Trous小波算法通过有限滤波器内插近似 ,实现对影像数据的无抽取离散小波变换 ,较好地解决了上述问题 .在阐述影像数据融合原理的基础上 ,给出了基于Trous小波变换的影像融合处理方法和过程 .通过对遥感影像数据融合结果的定性定量分析 ,认为基于Trous小波的遥感影像数据融合方法 ,能保持参与融合影像的信息特征 ,从而获得较好的融合处理结果 .

a′Trous小波变换与PCA变换相结合的遥感影像融合分析

随着高分辨率遥感卫星的产生,传统的融合技术难以达到较好的融合效果,如主成分分析(PrincipalComponents Analysis)变换融合受到融合区域的限制,而传统的小波融合(Wavelet Transformation)算法由于高频直接替换,导致了一定程度的光谱失真,由此本文在分析主成分分析变换和a′Trous小波变换(WT)的基础上,以QuickBird全色和多光谱数据为实验数据,提出了一种将两者相结合的遥感影像融合方法,通过与其他融合方法的定量和视觉比较,结果表明该方法能得到更好的融合效果。

基于局部能量的Trous小波和IHS变换的影像融合研究

传统基于小波变换的影像融合随着分解级数的增加,融合影像与原多光谱影像间的相关性随之降低,融合后影像的小目标对象很难获得丰富的颜色信息。鉴于此,本文提出基于局部能量的Trous小波和IHS变换相结合的融合算法,对IKONOS影像进行融合,并与传统的Trous小波变换融合、Trous小波变换和IHS变换结合的融合算法相比较,结果表明改进的方法能提高融合影像的相关性,降低光谱扭曲度,增强小目标的识别能力。

基于a’trous小波与广义HIS变换的SAR与多光谱影像融合

为了提高SAR影像的解译水平,避免通常基于小波变换的融合方法造成的SAR影像信息损失,本文提出一种基于a’trous小波与广义HIS变换的SAR与多光谱影像融合方法,在将多光谱影像转换到HIS空间后,应用a’trous小波对I分量进行分解,通过加法的形式将多光谱影像的高频分量信息与SAR影像信息集成,并根据解译的需要,通过改变阈值来控制对多光谱影像信息的集成幅度。实验选取一组TM多光谱影像与ERS-2SAR影像进行融合研究,并将融合结果与另一小波融合方法融合结果进行视觉比较与统计分析。结果表明,另一小波融合方法的融合结果与本文方法融合结果阈值τ=1时的结果接近,而本文方法却可以根据不同的应用需要,在完整保留了SAR影像信息的基础上,通过调节多光谱影像信息的注入程度,为获取更能满足解译需要的SAR融合影像提供更多选择,拥有更好的鲁棒性。

基于 Trous-contourlet变换的红外与可见光图像融合算法

提出了一种基于à trous-contourlet变换的图像融合新算法。首先利用à trous-contourlet变换对图像进行多分辨率分解,然后针对变换域中各带通方向高频子带系数的选择,提出了一种应用区域能量进行图像匹配度计算的融合规则,并将其应用于红外图像与可见光图像的融合。实验结果表明,该算法能够有效融合红外与可见光图像,与其他方法相比较,取得了更好的融合效果。

基于à trous算法的MEMS陀螺仪随机漂移建模

为了对微小型飞行器上的MIMU(微惯性测量单元)的随机漂移进行补偿,在比较了Mallat算法与à trous算法之后,基于小波变换与多尺度分析方法,提出了多尺度时间序列建模方法,它充分利用了à trous算法的快速性与时间平移不变性,将MEMS陀螺仪随机漂移进行多尺度分解。对各尺度上分解得到的信号进行重建,并对重建得到的各个信号进行时间序列建模。将各尺度时间序列模型的预测输出的和作为陀螺仪的随机噪声估计,对陀螺仪的随机漂移进行补偿。最后的实际数据建模表明该建模方法运算量小、建模速度快、精度高、模型适用性强,有很强的实际应用价值。

一种改进的àtrous小波融合方法

针对遥感高分辨率全色影像同低分辨率多光谱影像的融合,提出将区域方差和区域梯度相结合的融合规则,应用于影像经àtrous小波变换产生的各分解层高频分量融合,获得融合的各分解层高频分量,然后进行àtrous小波逆变换,最终得到融合的高分辨率多光谱影像。试验结果证明,改进的方法比常规àtrous小波融合方法性能更好。

基于A'trous小波变换的多传感器数据融合方法

在小波分析中,Mallat算法是一种重要的小波变换方法。但该方法由于存在抽取和插值运算,其结果有一定的失真。A’trous算法既具有Mallat算法的快速性,又有效保留了数据信息。提出把A’trous算法应用到多传感器数据融合中,经过仿真计算,其结果表明该算法是有效的。

基于A Trous变换的心电R波定位研究

心电信号是一种微弱的且易受噪声干扰的非平稳信号,其波形以R波最为明显,而R波的准确定位是QRS复合波识别和心血管诊断病变的前提和基础.基于数学形态法与和A Trous变换研究心电R波定位,首先利用A Trous算法对心电信号进行小波变换,然后选择在尺度3进行阈值定位,最后把在负荷运动环境下采集的ST段变异数据库作为样本测试,结果为灵敏度99.67%、特异性99.96%.

基于HIS变换与àtrous小波分解的遥感影像融合

针对多光谱影像与全色影像的融合,本文在分析HIS变换及基于Mallat小波算法的影像融合方法的基础上,提出了一种基于HIS变换与àtrous小波分解相结合的遥感影像融合方法,并给出了实现的过程.通过主观视觉效果分析与客观性能参数分析,新方法的性能优于HIS变换融合法、PCA变换融合法、小波变换融合方法,不仅较大地提高了融合影像的空间细节表现能力,并保留了多光谱影像的绝大部分光谱信息.

基于对比度à trous小波的Contourlet变换图像水印算法

提出将基于对比度的à trous小波代替Contourlet变换中的拉普拉斯金字塔(LP)变换,实现对图像的多尺度分析:对变换后的低频区域分块,计算各个分块的噪声可见性函数(NVF)值,对选出的一系列值较小的分块嵌入水印.实验结果表明,水印算法具有较好的视觉效果,同时对滤波、JPEG有损压缩、噪声等攻击具有较好的鲁棒性.

基于有限长脉冲响应滤波器和aTrous算法的小波心电信号去噪

微弱低频的心电信号采集中容易受到外界环境的干扰,必须先对其进行预处理才能用于心脏疾病的诊断。Mallat算法的小波分解重构法不能有效滤除心电信号中的工频和肌电干扰;小波阈值法不能有效滤除心电信号中的工频和基线漂移,重构的心电信号会产生伪吉布斯现象。针对以上情况,提出了一种基于有限长脉冲响应滤波器(FIR)和aTrous算法的小波去噪方法。该方法综合运用了50 Hz陷波器、aTrous算法小波分解重构法和小波阈值法。仿真郑州大学第二附属医院和MIT-BIH心率失常数据库的心电信号表明,该方法能够有效去除心电信号中的工频和基线漂移,大幅度衰减肌电干扰,同时有效消除伪吉布斯现象。

基于àtrous小波分解的贝叶斯SAR图像滤波

合成孔径雷达(SAR)在成像过程中由于回波的相干性而产生斑点噪声,严重干扰了图像的自动解译。根据SAR图像斑点噪声的特殊性,首先对影像进行对数变换,并使用àtrous运算法则对变换后的影像进行分解,然后通过贝叶斯原理估计修正小波系数。与自适应局域统计滤波和基于M allat分解的滤波算法进行分析比较,结果表明,该方法在噪声滤除和边缘保持方面效果较好。

心电信号的aTrous小波变换综合检测方法

心电信号反映了心脏有节律的活动。R波、P波和T波是去、复极时产生的突变信号,是典型的峰值奇异信号。信号的突变点检测是小波变换应用的一个重要方面。确定QRS波群的具体形态和起止点,检测P波、T波特征点是心电图分析的难点。研究了信号的二进样条小波按aTrous(多孔)算法进行的变换,构建了系列检测方法,来检测和识别QRS波群、P波、T波的具体的形态和位置。实验结果表明,所提出的综合算法具有较好的适应性,能很好地抑制基线漂移,消除高频干扰,克服了大T波、大S波、高U波波形自身病态因素对综合检测产生的影响。

基于多方向àtrous小波变换的多传感器图像融合

分析和研究了非下采样方向滤波器组及具有平移不变性的àtrous小波变换的图像变换的优点,提出了一种基于多方向àtrous小波变换的图像融合方法。首先利用àtrous小波变换将待融合源图像分解成不同尺度,不同分辨率的高低频分量,再对高频分量利用非下采样方向滤波器组进行方向分解,然后采取不同的融合方法对分解的高低频分量进行融合处理,低频系数采取平均加权法融合,高频系数则采取局部梯度优先的加权法融合,最后将融合的各频带进行逆非下采样方向滤波器组变换和逆àtrous小波变换得到融合图像。实验表明,在几种不同的客观评价标准下,该方法优于传统小波域中的融合效果,能有效地消除小波变换所带来的光谱扭曲和假边缘现象。

基于两通道不可分à trous-Curvelet变换的遥感图像融合(英文)

以同一场景多光谱和全色图像为研究对象,提出了一种基于两通道不可分à trous-Curvelet变换的遥感图像融合算法。算法首先结合à trous小波变换和Curvelet变换的优点,构造出两通道不可分à trous-Curvelet变换方法,并将其与IHS变换相结合对图像进行多分辨率分解,然后依据高、低频层系数的特点采用不同的加权融合规则进行融合,最后用IHS逆变换得到融合图像。实验结果表明,相比于常用的基于小波变换等融合算法,新算法在光谱信息的保持和空间信息的增强上取得了更好的效果。

基于HSV变换与àtrous变换的图像融合

分析了àtrous算法,在此基础上引入了HSV色彩空间变换,提出了一种新的基于HSV色彩空间变换与àtrous小波变换的图像融合法。融合过程为:将多光谱图像通过HSV变换为H、S和V这3个分量,然后将V分量与全色图像分别进行àtrous分解,并对分解得到的两组小波平面和近似图像采用不同的融合策略进行融合,最后将融合得到的V'分量与H和S分量进行HSV逆变换得到融合图像。同时,提出了两种小波系数的融合策略,实验结果表明,两种融合方案分别改善了融合图像的纹理和色彩信息的质量。