利用曲波变换的SVM非线性激光荧光光谱油种实时识别方法

提出一种非线性激光荧光光谱实时识别方法,首先利用离散曲波变换对预处理的荧光谱进行分解,得到不同角度和尺度的变换系数,并利用三层分解中的低频系数形成特征向量;然后构建重油、柴油、原油等船舶常见油种的支持向量机进行训练;最后利用训练好的支持向量机进行油膜光谱分类。结果表明,采用基离散曲波变换和支持向量机的分类方法,不依赖大样本训练,输入向量为曲波分解后的低频系数部分,训练样本少,支持向量数量大幅降低,从而缩短运算时间,具有实时性,与传统方法比较,更为有效,识别率更高。

基于形态成分稀疏表示的联合变换图像去噪

本文采用MCA方法将图像分离成平滑结构和线奇异结构,对两种不同特性成分分别采用小波变换和基于非均匀采样的快速Fourier变换的快速离散曲波变换(FDCT)结合的方法进行去噪处理。实验表明,对于含有丰富线奇异特性局部的图像,这种联合变换去噪的效果优于单纯的小波或曲波变换去噪的效果。