基于L_(1/2)正则化的抛物线Radon变换多次波压制方法

在地震数据处理中,多次波的存在会对地震数据成像和地震资料解释带来影响,如何有效地压制多次波干扰是地震勘探中的重要问题。抛物线Radon变换因其高效的特点被广泛应用于多次波压制中,但在野外地震数据采集时,炮检距的有限性会导致变换域中的能量扩散,产生假象,使多次波压制达不到理想的效果。针对此问题,提出一种基于L_(1/2)正则化的稀疏反演高分辨抛物线Radon变换,并应用广义迭代收缩算法(generalized iterated shrinkage algorithm,GISA)进行求解。研究结果表明,L_(1/2)正则化有很强的稀疏约束能力,能提高解的稀疏度,改进信噪分离的效果。与最小二乘反演和基于L_(1)正则化的稀疏反演相比,基于L_(1/2)正则化的稀疏反演高分辨抛物线Radon变换能更有效地压制多次波,并确保了重构数据与原始数据的一致性。

基于2DGabor小波与BDPCA的掌纹识别

提出一种解决双向主成分分析(BDPCA)中小样本问题的掌纹识别方法。把掌纹感兴趣区域图像经过2DGabor小波变换后得到的每个图像都作为独立的样本,以增加每一类掌纹的样本数。设计一种基于样本散度矩阵的改进BDPCA算法进行特征提取。采用训练样本的k值矩阵代替训练样本的平均值矩阵,从而获得最优投影矩阵。将2DGabor与改进的BDPCA算法相结合进行掌纹识别。在PolyU掌纹库中的实验结果表明,该方法不仅减少了不同训练样本对识别率的影响,而且能够提高识别率,甚至当每类训练样本数仅为1时,也能得到较高的识别率,有效解决了掌纹识别的小样本问题。

基于2DGabor小波与2DPCA的人脸识别方法

2DGabor小波变换能够将相邻区域的像素联系起来,从不同的频率尺度和方向反映局部范围内图像像素灰度值的变化,2DGabor小波变换系数描述了图像上各给定位置附近区域的灰度特征。2DPCA方法,避免了从图像矩阵向一维向量的转换,并在人脸识别中获得了满意的效果。提出了2DGabor小波变换和2DPCA相结合的人脸识别方法,实验证明,2DGabor小波变换+2DPCA的算法在识别效果上优于Gabor小波变换+DPCA的算法。

基于连续小波变换的地下储存CO_2泄漏高光谱遥感监测

为尝试应用高光谱遥感监测地表植被变化而间接探测CO2轻微泄漏信息。试验于2008年5—9月在英国诺丁汉大学Sutton Bonington校区完成(52.8°N,1.2°W),以多年生黑麦草(cv Long Ley)为研究对象,测量了6次黑麦草冠层光谱,利用连续小波变换对其冠层光谱进行处理分析,寻找对CO2泄漏胁迫较为敏感的波段,从而实现CO2泄漏信息的识别。研究结果表明:随着CO2胁迫程度增大,黑麦草冠层光谱小波系数在680~760 nm范围内逐渐增大(负值),在其他区域无明显变化;而在720~745 nm范围内黑麦草冠层光谱小波系数能量总和逐渐减小。黑麦草小波系数能量总和最大值波段位于725 nm附近,且725 nm处小波系数能量总和可以在整个生育期识别CO2泄漏胁迫下的黑麦草。因此,可以通过高光谱遥感监测地表植被而间接探测地下储存CO2轻微泄漏点,结果可为将来利用机载或星载高光谱遥感监测地下封存CO2泄漏点提供参考。

2D地震小波变换和自组织网络联合边界检测

阐述了利用信号二维小波变换的特征点进行边界检测的理论方法及可行性 ,以及地震信号二维小波变换的特征点的提取计算。讨论了不同尺度下二维小波变换特征点的性质、特点 ,研究了利用自组织网络对提取计算的二维小波变换的特征点进行竞争学习、聚类。并根据所研究的问题 ,设计了相应的算法 ,通过实际资料的应用 ,取得了较好的效果。

基于分块小波变换和2DPCA的人脸特征提取与识别算法

从最优化的角度出发,提出了一种基于分块小波变换和二维主成分分析法(2DPCA)的人脸特征提取与识别算法。该方法首先对人脸图像进行分块小波变换,并对各分块的高、低频分量进行组合处理,然后对小波系数特征应用2DPCA方法进行变换并将分块特征进行融合得到人脸鉴别特征,最后在ORL人脸库上应用支持向量机(SVM)对该特征进行分类识别。试验结果表明,该算法能有效地提高人脸识别性能,具有较短的识别时间和较高的识别准确率,优于传统的人脸识别方法。

(2+1)维广义浅水波方程的Backlund变换和新精确解的构建

(2+1)维浅水波方程广泛应用于描绘大气、河流、大海中的非线性现象.通过扩展的齐次平衡法研究了(2+1)维广义浅水波方程,得出了方程的Backlund变换、色散关系以及新的孤波解.该方法还可应用于处理其他高维浅水波方程.

基于小波变换的融合两种2DPCA的人像认证算法

目的为了解决单一2DPCA方法在人像识别中的局限性问题,提出一种在小波变换降维的基础上融合两种2DPCA的人像认证算法.方法采用2维小波变换对人像进行分解,抽取低频信息构成新的特征描述,再分别使用基于总协方差矩阵和类间散布矩阵的2DPCA方法进行初次判决,最后融合2组判决结果得出最终判决,实现基于人像的身份认证.结果在ORL数据库上进行实验,小样本和全部样本情况下最高识别率分别达到99.92%和94.25%,表明了算法的有效性.结论算法优于二维主成分分析方法、单一的基于小波变换的二维主成分分析方法及二维独立元方法,且对表情、姿态及光照变化有一定稳定性.

(2+1)维Zakharov方程的自相似变换和线怪波簇激发

首先建立(2+1)维(二维空间和一维时间)Zakharov方程的自相似变换,并将该系统转换为(1+1)维非线性薛定谔(nonlinear Schr?dinger, NLS)方程;然后基于该相似变换和已知的(1+1)维NLS方程有理形式解,通过选择合适参数得到了(2+1)维Zakharov方程在x-y平面上丰富的线怪波簇激发,发现产生线怪波簇最大辐值时的传播距离z值完全不同,而且形状和幅度可以得到有效调控;最后借助图示展现了二维怪波的传播特征.此外,发现在x-y平面上,当参数γ=1时,呈现线怪波;而当参数γ/=1时,线怪波转变为离散的局域怪波.随参数γ的增大,可以在x-y平面限定区域获得时空局域的怪波,这与Peregrine在(1+1)维NLS方程中发现的“Kuznetsov-Ma孤子”(Kuznetsov-Masoliton,KMS)或“Akhmediev呼吸子”(Akhmedievbreather,AB)极限情形的“Peregrine孤子”(Peregrine soliton, PS)类似.本文提出的(2+1)维Zakharov方程怪波方法可以作为获得高维怪波激发的有效途径,并推广应用于其他(2+1)维非线性系统.

区间小波变换域的2-PAM信号自适应均衡算法

1引言 为了克服数字通信尤其是无线通信中所产生的码间干扰,一般需使用均衡器.最简单的均衡器是用FIR滤波器实现并采用最小均方误差(LMS)算法的线性横向均衡器(LTE),其优点是结构简单,易于实现,缺点是收敛速度较慢.为了提高收敛速度,可以对信号作正交变换,然后在变换域中通过自正交等方法降低相关阵的条件数来提高收敛速度[1],比如文[2]提出的就是一种基于小波变换的自适应均衡算法.

基于加权小波变换和2D-PCA的人脸识别改进算法

基于小波变换的人脸识别方法通常将图像变换成低频和高频信息,传统的人脸识别算法大多数都是基于小波变换后的低频信息,没有充分利用高频信息,造成了高频信息中对识别有利信息的丢失.本文提出了一种基于加权小波变换和2D-PCA的人脸识别改进算法.首先基于二维离散小波(2D-DWT)对图像进行二层小波变换,将所得的低频信息和水平、垂直和对角高频信息进行加权融合.在此基础上,采用二维主成分分析(2D-PCA)方法进行特征提取;最后采用最近邻分类器进行分类识别.基于ORL标准人脸数据库的实验结果表明,本文提出的方法比传统的2D-PCD识别算法和2D-DWT+2D-PCA识别算法有更好的识别效果,且人脸受光照等因素的影响表现出良好的鲁棒性.

小波变换应用于Cu^(2+)离子催化振荡化学体系的频率分析

利用连续小波变换的多分辨特性分析了Cu2+催化振荡体系的频率特征,得出了其特征频率值.由此反映出了该振荡体系具有多频特性.通过其正、负反馈反应机理分析了体系中多频特性形成的原因.

基于四元数小波变换和2APCNN的NSST域图像融合

针对传统基于非下采样剪切波变换(NSST)的图像融合算法中存在的不足,提出一种基于四元数小波变换(QWT)和脉冲耦合神经网络(PCNN)相结合的NSST域图像融合算法.这种算法结合了两种变换域算法的优势,在图像细节和纹理信息的保留方面取得了很大的改进.从多组实验的对比分析发现,该算法能够在红外与可见光图像融合上达到较好的视觉效果.

基于小波变换的状态x^2改进检测算法及其应用

在惯导器件的故障检测中,针对传统的状态x2检验法无法对缓变故障持续时间进行准确判定的问题,提出一种基于小波变换的状态x2改进检测算法。该方法首先利用小波变换后的模极大值在不同尺度上的衰减速度找出信号突变点;然后将检测结果反馈给Kalman滤波器,通过引入状态修正项,修正状态误差值,使故障检测曲线能够反映缓变故障的持续时间。仿真验证表明,采用基于小波变换的状态x2检测算法较好地解决了缓变故障持续时间无法准确判定的问题,大大提高了系统故障检测的准确性。

L^2(R^n)上连续小波变换及小波框架算子的一些性质

考察了L2 (Rn)上连续小波变换及小波框架算子 ,得到了它们的一些性质 ,并给出了严格证明 ,弥补了有关文献的不足 .

基于小波变换的CO_2预裂腔内压力时频特征分析

为提取CO_2预裂过程动态参数以优化预裂工艺,基于某CO_2预裂实验数据,利用小波变换对CO_2预裂装置腔内动态压力信号进行时频特征分析,得到不同频带上压力信号分量的时间历程曲线和能量分布。分析结果表明,通过对预裂过程腔内压力信号的小波分解重构,可以同时反映压力信号的强度、频率、波形对能量分布的影响,结合不同频带的时间历程曲线可以获得动态压力在不同频带上的分布和衰减的细节信息,进而确定频带分量对预裂效果的影响。

一种基于小波变换和PSR-LSSVM的P2P网络流量预测模型

提出一种基于小波变换、相空间重构理论和LS-SVM的P2P流量预测模型。首先将P2P流量分解为小波系数和尺度系数,然后分别对各个系数进行相空间重构,将重构的分量分别通过LS-SVM模型进行预测,最后用小波方法将各个分量的预测值进行再重构,得到原始流量的预测结果。仿真结果表明该模型的预测结果较传统的LS-SVM模型有更高的精度。

L^2(R)上的S-进小波变换

通过引入R上的尺度参数S -进离散的仿射子群R+s ×R ,并给出该群上的左不变测度 ,给出了L2 (R)上S -进小波变换的允许条件 ,及S -进小波的对偶小波。

基于Gabor小波变换的增强2DPCA方法

传统的PCA方法在图像识别中都是基于图像向量的,在人脸识别前二维的人脸图像矩阵首先要转化成一维的图像向量,这样就造成图像向量维数通常较高,使特征提取中耗费大量计算时间,降低了识别效率。在传统PCA基础上,Yang等人在2004年提出了二维主成分分析(2DPCA),这种方法直接基十二维图像矩阵运算,特征提取速度大大加快,计算方法也较简单。

基于小波变换和希尔伯特变换的N_(2)红土层厚度识别方法研究——以西北地区崔木矿区为例

西北地区N红土层其区域煤层上覆有关键隔水层,其厚度对于浅表层水资源保护具有重要意义。文章以西北地区崔木矿为研究区,结合小波变换和希尔伯特变换技术,利用测井曲线和三维地震资料,对区内N红土层厚度进行了研究。首先通过模型研究,得出了利用测井曲线确定N红土层厚度的特征规律。在此基础上,对实际数据进行了处理,得到研究区内N红土层厚度分布结果。该研究结果可为西北地区浅埋煤层开采时浅表层水资源保护提供参考。