基于BDWT的运动目标识别及Mexico小波核mean shift跟踪算法(英文)

提出了一种应用于智能交通监控系统的运动目标识别和跟踪方法。针对帧间差分提取运动目标的缺陷与不足,提出了一种基于二进小波变换的运动目标识别算法,即直接在二进小波变换域提取运动区域,从而检测出运动目标。对于检测出来的运动目标,对mean-shift跟踪算法进行了改进,采用以Mexico小波核函数自适应mean-shift算法对目标进行跟踪。实验结果表明,提出的算法可以有效地提取运动目标,即使目标与背景具有较高的相似度,也可以较准确的提取出前景运动信息,效果要好于传统的帧差法;跟踪目标准确度高,不受目标大小变化的影响。本算法具较高的实用价值和应用前景。

Mexico草帽小波与电离层CT反演

电离层ＣＴ技术中由于数据采集系统的几何结构存在局限性，致使探测所得数据不完全，导致其成为不完全数据重建问题（有限角度层析）。投影中的采样点不均匀，且由投影谱通过Ｆｏｕｒｉｅｒ中心切片原理组合而得的二维谱平面不完全可知，若要用变换方法重建成象，需要对其进行估计。可以利用小波外推方法估值，但是小波函数的选择具有多样性，文中选用比较常用的Ｍｅｘｉｃｏ 草帽小波进行外推。给出了必要的推导过程和数值模拟结果。