基于小波和改进神经树的电能质量扰动分类

准确地识别和分类电能质量扰动对分析和综合治理电能质量问题具有重要意义。提出了一种基于小波和改进神经树的电能质量扰动分类方法。该方法利用小波分解扰动信号到各个频带,在基频频带、谐波频带和高频带上分别计算其能量值和小波系数熵作为特征值,另计算基波频带扰动过程的均方根作为特征的补充,融合能量值、熵和均方根值作为扰动判断的特征向量,规范化后输入到改进神经树分类器进行训练和分类。改进神经树分类器是由神经网络和决策树及其分类规则构成。仿真表明,该方法提取特征值的计算量小且融合后的特征向量能够很好地体现不同扰动信号之间的差异信息,构造的改进神经树分类器结合了神经网络和决策树在模式分类中各自的优点,结构简单且表现出良好的收敛性、全局最优性和泛化性,分类准确率较高,能够有效地识别七种常见的电能质量扰动。

基于实测数据的电力系统过电压分类识别

构造了一个有效的基于实测数据的过电压自动分类识别树。首先抽取过电压信号的时域特征量,将过电压类别集合分为2个子集。其次对信号进行离散小波变换,抽取小波变换域特征量。为使小波变换域特征量更具区别性,对2个子集内的过电压信号采用不同的采样频率和小波分解层数。最后在分类树的各节点构造一个支持向量机二值分类器,采用实测过电压数据进行交叉验证。总识别率达95%,验证了分类树的有效性。

基于DT-CWT和SVM的纹理分类算法

提出了一种基于双树复数小波变换(DT-CWT)和支持向量机(SVM)的纹理分类算法。双树复数小波变换不仅具有实数小波的诸多优点,而且还具有近似平移不变性、良好的方向选择性和低冗余度,并且能对图像进行完全重构,能够更好地刻画纹理的特性;支持向量机算法是近年发展起来的性能优越的分类算法,比传统分类器有很大的优越性:避免了局部最优解和“维数灾”问题,其最优分类超平面的思想能够提高分类准确度。该方法用双树复数小波对纹理图像进行滤波并在各方向子带上进行重构,再计算其局部能量函数得到每个像素的特征向量,最后利用支持向量机算法实现对纹理图像像素的分类。将本方法与其它的分类算法进行比较,实验结果表明,提出的算法能有效地提高正确分类率。

SVM和DT-CWT的纹理图像分类方法研究

提出了一种将支持向量机(SVM)和二元树复小波变换(DT-CWT)相结合的纹理图像分类方法.通过DT-CWT对纹理图像进行4层分解,提取各子频带小波系数模的均值和标准方差组成特征向量,利用SVM作为分类器实现纹理图像分类.从Brodatz图像库中随机选取了30幅纹理图像进行了分类试验,结果表明:该方法具有较高的分类精度,尤其在有限训练样本的情况下分类正确率明显优于其它的分类算法,体现了该方法的有效性和良好的泛化能力.

基于DT-CWT和LS-SVM的苹果果梗/花萼和缺陷识别

该文提出了一种基于双树复小波变换(DT-CWT)和最小二乘支持向量机(LS-SVM)区分苹果的果梗/花萼和缺陷的方法。对苹果图像使用DT-CWT分解,使用变换后得到的高频子带系数的均值和方差构造特征向量,然后使用最小支持二乘向量机作为分类器进行分类。对180幅苹果图像进行了试验。讨论了DT-CWT分解层数以及目标图像大小对分类正确率的影响。试验结果显示,使用3层DT-CWT对大小为64×64子图像进行小波分解提取纹理特征,能达到最好的分类效果,分类正确率可以达到95.6%。

基于复小波和支持向量机的纹理分类法

针对图像纹理分类问题,提出了一种将二元树复小波变换与支持向量机相结合的分类方法,通过二元树复小波变换对纹理图像进行四层分解,提取各子频带小波系数模的均值和标准方差组成特征向量,利用支持向量机作为分类器实现纹理图像分类。对20类Brodatz纹理图像的分类实验表明,提出的方法具有较高的分类精度,在有限训练样本的情况下比传统的分类算法平均正确率有10%左右的提高,体现了该方法的有效性和良好的泛化能力。

基于树结构矢量分类的小波图像网络编码矢量量化

本文基于零树编码、矢量分类和网络编码量化的思想 ,提出了对小波图像采用树结构矢量组合和分类后进行网格编码矢量量化的新方法。该方法充分利用了带系数的带间和带内的相关性 ,分类信息占用比特数少 ,对重要类矢量实行加权网格编码矢量量化 ,利用卷积编码扩展信号空间以增大量化信号间的欧氏距离 ,用维特比算法搜索最优量化序列 ,并采用基于人眼视觉特性的加权均方误差准则作为失真度量和码字匹配 ,提高了量化增益。仿真结果表明 ,该方法编码计算复杂度适中 ,解码简单 。

基于小波域方向树结构的图像水印算法

在小波变换域中,不同分辨率上、同方向子带内、相同空间位置的小波系数之间有较强的相似性,该文提出了一种基于小波域方向树结构的图像水印算法。该算法利用支持向量机建立小波系数方向树结构模型,通过调整模型的输出值与目标值的大小关系来隐藏水印。提取水印时,不需要原始载体图像。实验结果表明,该算法对常见的图像攻击具有很好的鲁棒性,而且水印嵌入容量大、隐蔽性好、安全性强、性能优越。

基于Log-Polar和DT-CWT的旋转不变纹理分类算法

提出了一种基于对数-极坐标变换(Log-Polar)和双树复数小波变换(DT-CWT)的旋转不变纹理分类算法。该方法首先对纹理图像进行对数-极坐标变换将旋转转化为平移,再用具有平移不变性的双树复数小波对变换后的图像滤波并计算各子带的能量值组成旋转不变特征向量,最后利用支持向量机算法实现纹理图像的分类。将该方法与其它旋转不变纹理分类算法进行比较,实验结果表明,提出的算法能有效地提高正确分类率。

基于方向树结构矢量分类的小波图像网格编码矢量量化

本文提出了采用方向树结构矢量组合并分类对小波图像进行网格编码矢量量化（ＴＣＶＱ）的新方法。该方法矢量构成结合了子带系数的方向性，充分利用了子带系数带间和带内相关性，按能量和活跃度进行两级分类，降低了类中矢量的内部离散度，对活跃和非活跃类矢量实行加权ＴＣＶＱ，利用卷积编码扩展信号空间，用维特比算法搜索最优量化序列，比使用加权 ＶＱ提高了 ０．７ｄｂ左右。该方法编码计算复杂度适中，解码简单，有较好的压缩效果。

基于空间组合矢量分类的小波图像网格编码矢量量化

本文基于零树编码、矢量分类和网格编码量化的思想，提出了对小波图像采用空间矢量组合和分类后进行网格编码矢量量化的新方法。该方法充分利用了各高频子带系数频率相关性和空间约束性，依据组合矢量能量和零树矢量综合判定进行分类，整幅图像只需单一量化码书，分类信息占用比特数少。对重要类矢量实行加权网格编码矢量量化，利用卷积编码扩展信号空间以均大量化信号间的欧氏距离，用维特比算法搜索最优量化序列，比使用矢量量化提高了０．６ｄｂ左右。该方法编码计算复杂度适中，解码简单，可达到很好的压缩效果。

基于二维小波分解的图像树形结构编码

采用双正交小波变换对图像进行分解 ,得到一个图像的多分辨率表示 .对于不同分辨率的子图在 Antonini提出的方法基础上采用树形结构的向量编码 .从实验结果可以看出 ,与全搜索 VQ相比较在信噪比影响不大的基础上 。

基于树状小波分解的图像混合编码方法

提出了一种基于树状小波分解的图像混合编码技术 ,它能够在一定的能量准则下自适应地对图像进行分解 ,并根据不同尺度子带在小波图像中的地位和特点 ,选取相应的编码方法。模拟实验证明此方法在较好的图像质量情况下可获得较高的压缩比。

一种小波树分类和合成编码结合的图像压缩方法

针对传统小波变换过程复杂的缺点和SPIHT算法编码过程重复运算、存储量大的问题,提出了一种小波树分类和合成编码结合的图像压缩方法.该方法首先对纹理丰富的图像进行3级小波变换,再对高频子带通过小波树分类器分为低频树和高频树.最后对最低频子带进行差值脉冲编码调制(DPCM),对低频树和高频树分别进行SPIHT和多阶段矢量量化(MVQ.)仿真结果表明,该方法在峰值信噪比和编解码时间均优于SPIHT算法.在0.125 b/s下,Boat图像峰值信噪比(PSNR)比SPIHT算法提高了0.8 dB.

大压缩比嵌入式遥感图像压缩

本文提出一种基于小波变换和矢量量化相结合的遥感图像压缩算法。该算法由于采用嵌入式的比特流构造方式 ,因而具有嵌入式编码 (Embedded Coding)的特点 ,比特流按照重要性顺序发送 ,编码器可以在满足一定压缩比的情况下终止编码。在大压缩比的情况下 ,恢复图像具有良好的视觉效果 ;同时它具有比 SPIHT[1 ]

利用双树复小波特征进行蛋白质二级结构预测

识别蛋白质二级结构对于蛋白质的特征和性质研究具有很重要的作用。用Cα原子三维空间坐标把蛋白质序列映射为距离矩阵,针对距离矩阵中隐含的纹理信息,用双树复小波变换对矩阵进行4级分解,提取不同方向的子带能量和标准偏差,得到48维特征向量来表示蛋白质的二级结构特征,再将提取的特征输入KNN和SVM分类器分类,通过实验验证,双树复小波特征能改善传统特征提取方法的纹理粒度和方向局限问题,提高蛋白质二级结构的预测准确率。

采用方向树结构矢量组合的小波图像分类矢量量化

该文提出了采用方向树结构矢量组合对小波图像进行分类矢量量化的新方法。该方法的矢量构成结合了子带系数的方向性，充分利用了子带系数的带间和带内的相关性，按能量和活跃度进行两级分类，降低了类中矢量的内部离散度，分类信息占用比特数少，并采用了基于人眼视觉特性的加权均方误差准则进行矢量量化，提高了量化增益。仿真结果表明，该方法实现简单，可以达到很好的压缩效果。

基于小波变换和支持向量机的纹理图像分类研究

如今在充满着视觉信息的现实世界中,纹理图像由于蕴含着大量的有用信息越来越受到研究者的关注。提出了一种基于小波变换和支持向量机的纹理图像分类方法,即在分析不同纹理图像之间在内容上的显著差异的基础上,先采用双树复小波变换对图像进行基于纹理特征的提取操作,再利用支持向量机对不同纹理图像进行分类。提出的方法在包含200幅不同纹理图像的图像集上进行实验验证,获得了较好的分类结果。

基于小波变换和二叉树结构的电能质量扰动分类

针对电能质量扰动分类问题,提出了一种基于小波变换和二叉树结构支持向量机的扰动分类方法。首先,通过交流暂态仿真软件产生8种典型扰动信号和2种复合扰动信号作为样本集;然后,通过小波变换进行多个特征的提取,包括信号在特定频带下的能量和小波系数标准差;最后,通过样本集,对二叉树结构支持向量机分类器进行训练和测试。测试结果表明,该方法能够有效识别常见的10种扰动信号,具有分类正确率高、训练时间短的优点。