基于面积加权GWT-GFT的水声目标识别

由于海洋环境的复杂性,水声目标的识别具有很大的挑战性。为解决这类复杂环境下特征提取的问题,提出了一种基于面积加权的图小波变换-图傅里叶变换(GWT-GFT)的分析方法。在完成数据预处理后,为了能够凸显顶点之间的关系,提出了一种新的基于顶点三角形面积的加权方法来构建图信号;构建好的图信号通过GWT分解为多尺度图分量;然后,利用GFT将这些分量从图域变换到特征值谱域进行分析;在此基础上,提取各分量特征值谱的特征;最后,利用基于高斯核函数的支持向量机(SVM)对获取的特征向量进行分类。基于水声信号ShipsEar数据库,采用5折交叉验证方法进行验证。与现有的其它方法相比,所提的模型以36个特征在376656个样本上取得了97.22%的准确率,证明了该分析方法的有效性和鲁棒性。

基于朴素贝叶斯的属性混合大数据分类提取

与一般数据类型不同,属性混合大数据在分类提取过程中易受边缘数据的干扰,存在分类提取误差较大和抗噪能力不佳的问题,于是提出基于朴素贝叶斯算法的属性混合大数据分类提取方法。采用离散小波变换法消除大数据中存在的噪声,避免分类提取过程受到噪声干扰。通过监督判别投影法对大数据实行降维处理,将预处理后的属性混合大数据输入到朴素贝叶斯分类器中,通过先验知识与后验概率的结合,完成属性混合大数据的分类提取。实验结果表明,所提方法的运算耗时短、分类提取误差小、抗噪声能力强,验证了所提方法的应用效果。

基于谱图小波的神经精神疾病患者脑功能网络多尺度分析

基于图信号处理,针对神经精神病患者的脑功能网络展开研究,采用谱图小波变换对脑功能网络进行多尺度分析,根据实验数据构建图拉普拉斯矩阵,从中选取最大特征值对谱图小波变换滤波器进行设计。之后结合血氧水平依赖对比度信号计算出受试者各脑区的谱图小波系数,对其进行多尺度组间差异分析,发现脑功能网络在不同频段下的能量分布存有异常,并对对应的异常脑区予以明确。所采用的谱图小波变换是目前针对不规则数据域中信号展开多尺度分析的最有效方法之一,对其他疾病患者脑功能网络多尺度分析研究具有重要的现实意义。

小波检测和特征图谱决策的非侵入电动自行车充电实时监测系统

电动自行车违规入户充电行为具有时间随机性以及空间隐蔽性,存在较大安全隐患且难以有效管理。利用非侵入式监测系统具有实时自主执行和便捷易推广的特性,文中提出了基于小波检测和特征图谱决策的非侵入式电动自行车充电实时监测系统。考虑电动自行车负荷的物理结构和充电特性,从暂态和稳态两方面分析电动自行车负荷的典型共性特征;预先构建具有强可分性和通用性的电动自行车专有特征图谱实现电动自行车稳态共性特征的一致性结构化表征;实际监测过程中,为了降低系统的算力需求和数据传输压力,基于小波变换精确定位具有高频分量的电动自行车专有暂态现象完成类电动自行车充电事件检测。最后,提取事件波形并通过图谱训练高效分类器进行负荷认定并实时上传。通过对实际用户进行监测,验证了监测系统的有效性,可以有效解决电动自行车进楼入户充电的问题。

基于谱图小波自适应阈值降噪的滚动轴承早期故障诊断

针对滚动轴承早期故障信息微弱,被强大噪声干扰的问题,基于谱图理论在图谱域构建小波系数以分析图信号中包含信息的思想,提出一种谱图小波自适应阈值降噪(Spectral Graph Wavelet-adaptive Threshold Denoising,SGW-ATD)的滚动轴承早期故障诊断方法。首先,将一维振动信号转换为路图信号,引入谱图小波变换将路图信号分解。其次,保留低频尺度系数,构建自适应阈值对高频系数进行阈值处理,通过谱图小波逆变换得到降噪信号。最后,为进一步抑制噪声,求取降噪信号的自相关函数,通过对自相关函数进行包络谱分析实现故障特征提取。将所提方法与其他几种经典降噪方法进行对比;结果表明,所提方法得到的降噪信号信噪比更高,可以更有效地实现滚动轴承早期微弱故障诊断。

融合图小波和注意力机制的交通流预测方法

交通流预测是现代智能交通系统管理和控制的重要环节。然而,交通流复杂多变,一方面城市道路之间联系性强,另一方面道路交通情况还会随着时间呈现动态变化。近年来有许多研究者尝试利用深度学习方法提取交通流中复杂的结构特征,但是局部特征提取的过程缺乏灵活性,同时忽略了时空特征的动态变化性以及局部和全局时空特征之间的关联性。因此,提出了一种融合图小波和注意力机制的交通流预测方法。该方法采用小波变换和自适应矩阵分别提取交通流局部和全局空间特征信息,并结合改进的循环神经网络提取局部时间特征信息。同时,该方法通过注意力机制来捕获时空动态变化性,并利用一种时空特征融合机制来融合局部和全局时空特征信息。实验结果表明,该方法能很好地提取真实交通数据集中空间和时间特征,预测效果优于现有的方法。

基于Amold加密与GBT-DWT的数字盲水印算法研究

为维护图像版权,实现对数字作品的保护,文章研究了一种基于Amold加密与GBT-DWT的数字盲水印方法。该算法运用置换原理对具有识别信息的水印图片做Amold置换预处理,通过图像转换技术与离散小波二次变换逐步分解载体图片,最后将置乱水印嵌入到变换后的载体图片中,实现数字作品的版权保护。实验结果表明,嵌入的水印信息低于人类视觉系统所能承受的最小力度发现范围,经文章算法嵌入后的图像具有较好的鲁棒性与隐藏性。

基于小波变换的昆虫刺吸电位(EPG)信号去噪研究

昆虫刺吸电位(EPG)信号为研究刺吸式昆虫取食和传毒机理提供了有力的依据,然而EPG信号在采集过程中易受各种噪声的干扰,可利用小波变换将其去除。本文采用小波阈值去噪法,通过实验对比选择不同的小波基函数及阈值,以均方根误差和信噪比为评价指标,确定了coif4小波6层分解,在Stein无偏风险估计准则下,改进阈值量化为最佳去噪方案;实验结果表明,该小波阈值去噪方法可以有效地去除不同干扰。本文研究的基于小波变换的EPG信号去噪为后续分析识别提供了保证。

结合小波变换与图像分割的快速目标提取

基于图割理论的GrabCut算法具有全局最优性和结合多种知识的统一性,但其基于全部像素点的参数估计以及为达到一定分割精度采取的迭代求解模式,使算法效率大大降低。以GrabCut算法为基础,通过小波变换将图像分解,用分解后低频图像的像素点作为GMM参数迭代估计的样本点,减小了问题规模。实验结果表明,算法的效率得到较大提高。

基于小波变换的等价图割SAR图像配准方法

为改进SAR图像匹配的稳健性和实时性,提出一种基于小波变换的等价图割SAR图像配准方法.该方法首先利用小波变换对图像进行分解,在低频子图像下构造等价图割,克服相干斑噪声干扰,避免NP困难,解决映射函数选取问题,从图像中分割出精确目标.其次利用尺度不变特征变换(SIFT)方法实现目标的特征匹配,降低搜索空间特征点描述,提高实时性.最后通过匹配关系找到变换参数,实现图像精确配准.实验结果表明,该方法能快速而精确地实现SAR图像配准.

时频分析技术划分砂砾岩沉积期次方法探讨——以渤南洼陷北部陡坡带沙四段—沙三段为例

基于米氏旋回分析,证实了渤南洼陷北部陡坡带沙四段—沙三段砂砾岩发育高频沉积旋回;将小波变换时频分析技术与Fischer图解法相结合,对研究区砂砾岩进行了沉积期次划分和对比。基于声波测井资料,采用db4小波,通过小波变换将渤南洼陷北部陡坡带沙四段上亚段—沙三段下亚段砂砾岩划分出93个高频沉积旋回,并在此基础上编制了Fischer图解。Fischer图解显示出研究层段发育了8个可容空间变化旋回,每个旋回的可容空间上升初期和下降末期对应了厚层砂砾岩沉积,可容空间最大处湖侵泥岩明显增多,反映了一个完整的砂砾岩进积—退积沉积旋回。据此,将研究层段砂砾岩划分为8个沉积期次。在单井沉积期次划分的基础上,通过地震约束的可容空间变化旋回对比,实现了连井沉积期次等时对比。

融合外部属性的短时交通流预测研究

针对现有交通流量预测算法大多仅考虑常态下的预测,而未考虑天气属性、周围地理属性对预测结果的影响,提出一种融合外部属性的组合预测模型(A-STIGCN)。首先,将外部属性作为路网中路段的属性,同时对路段的属性和交通特征进行建模,得到增强的特征向量。其次,采用图小波变换和自适应矩阵分别提取交通流局部和全局空间特征信息,并借助门控循环单元(GRU)对时间信息的长时记忆能力以提取其时间特性。最后,通过注意力机制来捕获时空动态变化性进行交通流预测。采用深圳出租车轨迹数据、对应天气数据以及POI数据进行预测,研究结果表明:A-STIGCN组合模型预测效果优于传统线性模型及变体模型,与未引入注意力机制的ASTGCN模型相比,MAE降低了约0.131,精度提高了0.068,与未引入外部因素的TGCN模型对比分析,MAPE降低了约0.637%,精度提高了0.079,从而更好地为交通管理提供指导意见。

基于极限学习机的蚜虫刺吸电位波形的分类识别

刺吸电位(Electrical Penetration Graph,EPG)仪是研究蚜虫取食行为、传毒机制等的有力工具,然而EPG波形的分类识别一直是靠人工进行,迫切需要波形自动识别来提高分析效率。采用了小波变换、希尔伯特-黄变换和极限学习机等算法对蚜虫EPG信号中7种波形的特征提取和分类识别进行了研究。实验中对不同特征向量的决策树分类性能进行了对比,发现分形盒维数、Hurst指数、HHT前2层谱质心、第2~3层低频小波能量组成的6维特征向量识别效果最好,平均识别率可达91.61%。采用该特征向量进入极限学习机时可以获得更好的分类性能,平均识别率为93.57%,相比前期研究提高了2.14%。实验结果表明本文提出的基于极限学习机的EPG波形分类识别方法具有较高的识别性能,为研发EPG波形自动识别分析系统奠定了理论基础。

谱图傅里叶变换与谱图小波变换基分析研究

卷积神经网络在欧氏数据上取得巨大成功之后,开始在图结构、几何流行等非欧数据上泛化。当前图卷积神经已成为研究热点。在数字图像去噪、压缩、增强、融合以及加密方面傅里叶变换与小波变换是不可或缺的处理手段,在图卷积神经中有卷积定理将傅里叶变换用于实现图上的卷积运算,谱图小波变换也只是实现了卷积的快速算法,都是围绕如何在图结构上做卷积而展开的研究,没有真正发挥其作用,大大限制了图卷积神经网络性能的发挥。该文对谱图傅里叶变换与谱图小波变换基进行分析研究,同时研究基与图结构之间的关系。实验表明通过谱图傅里叶变换和谱图小波变换可以获取图结构的特征信息,为谱图小波变换和谱图傅里叶变换更深入地与图卷积神经网络结合提供了参考。

基于小波变换与图割的彩色图像分割方法

为提高图割算法的分割效率与质量并改善shrinking bias现象,提出将图割理论与小波变换相结合的方法.该方法利用小波变换多分辨率分析的特点,将变换中的低频子带图像作为估计GMM参数的训练样本进行多尺度迭代分割,提高算法效率,利用简单高效的CS_LBP纹理描述子提取高频子带图像中的纹理信息,将颜色与纹理特征相结合改善分割效果,并利用高频系数进行多尺度边缘检测,用于计算局部自适应的正则化参数,改善对细长边界的分割.实验结果表明,分割效果得到了改善,算法效率得到了提高.

基于图小波注意力门控循环神经网络的交通流预测

针对现有交通流预测方法无法对局部空间及动态时间建模的问题,提出一种图小波注意力门控循环神经网络模型(GW-AGRU)。将道路网络的空间信息以图的形式表示,运用基于小波变换的图卷积神经网络从图节点中提取邻近特征;在门控循环单元中融入注意力机制,充分挖掘交通数据的时间相关性;融合时空特征进行回归预测。在真实数据集上的实验结果表明,所提方法的预测性能均优于其他模型,能够有效地预测长期的交通流量。

图小波变换在图像分割中的应用研究

在图像处理领域中,图像分割占有举足轻重的地位。传统的基于小波变换的图像分割算法,仅在规则域内能够有效地检测出图像的边缘信息。为了在不规则域内能够有效地检测出图像的边缘信息,提出一种基于图小波变换的图像分割算法。首先,将图像转换成图,在图域进行研究;然后,利用图小波变换进行图像分割。实验结果表明,与传统边缘算法相比,该算法用于图像分割,不仅能够有效地检测出图像边缘信息,而且对噪声具有较好的鲁棒性。

地形图像制备中的分形和小波变换应用

为了制备高分辨率的地形图，建立了地形的分形模型，然后进行插值处理。经多次插值后，平滑效应显著，地形的纹理特征逐渐丧失。文中提出一种小波变换分层处理的方法，有效地克服了单纯分形插值的平滑效应，在保持地形纹理特征的基础上，制得高分辨率的地形图。

基于图的脑组织磁共振图像分割方法

提出一种基于图的层次聚类算法实现脑组织磁共振图像的自动分割。首先,采用基于图的分割方法对脑组织MR图像进行初始分割。由于脑组织MR图像各类组织结构分布复杂,尤其是脑脊液和灰质区域细节信息丰富、结构变化多样,分割结果中存在过分割现象。因此,利用对偶树复小波变换高频子带信息构造基于图的分割方法中参数k的自适应取值函数,避免图像平滑区域分割后产生大量小区域。然后,以层次聚类算法合并分割得到的小区域,解决基于图的方法分割脑组织MR图像中存在的过分割问题。最后,通过大量真实脑组织MR图像实验证明该方法在脑组织MR图像分割中的准确性和稳定性。

基于局部区域的混合boost滤波和小波域图像融合算法

研究图像融合的问题。针对传统基于像素级别的图像融合算法特征单一,或者基于区域性质的融合算法的缺陷,提出在小波变换域进行滤波,然后分割成若干区域,在不同区域进行图像融合的算法。首先,将图像变换到小波频率域;然后分别利用低频和高频子图像,通过boost滤波方法获得一个滤波图像;在滤波后图像上使用基于图论的分割算法获得不同的图像区域,最后,根据本文定义的两个融合准则进行区域内融合处理获得最终的融合图像。所提方法只需进行一级小波变换,较其他基于小波变换的图像融合算法具有更高的运算效率,同时,利用boost滤波技术,在保持图像细节的同时,能最大程度地保证各个不同源图像中相同信息得以保留。所提方法不容易受到噪声的干扰,融合结果更柔和,能广泛使用在图像预处理系统中。