基于à trous算法的MEMS陀螺仪随机漂移建模

为了对微小型飞行器上的MIMU(微惯性测量单元)的随机漂移进行补偿,在比较了Mallat算法与à trous算法之后,基于小波变换与多尺度分析方法,提出了多尺度时间序列建模方法,它充分利用了à trous算法的快速性与时间平移不变性,将MEMS陀螺仪随机漂移进行多尺度分解。对各尺度上分解得到的信号进行重建,并对重建得到的各个信号进行时间序列建模。将各尺度时间序列模型的预测输出的和作为陀螺仪的随机噪声估计,对陀螺仪的随机漂移进行补偿。最后的实际数据建模表明该建模方法运算量小、建模速度快、精度高、模型适用性强,有很强的实际应用价值。

一种基于à trous算法的遥感图像模糊集增强算法

针对遥感图像在处理过程中噪声放大引起的对比度差,边缘细节模糊和目标与背景区分不明显等问题,提出一种结合àtrous算法和改进的模糊对比度增强的遥感图像增强算法。该算法一方面利用直方图均衡,提高图像整体对比度;另一方面根据图像在二进小波域表达的冗余性,不会在图像预处理时平滑掉某些重要信息。其平移不变性避免了传统图像增强算法中产生的伪吉布斯现象,有效避免由于非线性变换引起的视觉形变。模糊对比度增强了图像的纹理和边缘信息,从局部增大图像对比度。与当前一些典型的增强方法相比,实验结果表明所提算法的几种客观评价指标明显优于其他算法,能有效提升图像的对比度,抑制伪吉布斯现象,而且图像视觉效果也有明显改善。

一种基于à Trous算法的水下图像增强算法

针对水下图像的对比度低,噪声大问题,提出一种基于à Trous算法水下图像增强算法。该算法一方面利用直方图均衡,提高水下图像整体对比度;另一方面根据à Trous小波变换的抽取过程允许在不丢失高通细节(如空间和纹理)的空间连续下完成在空间频域上将图像分解在几乎脱节的带通信道上,有效避免由于非线性变换引起的视觉形变;再是模糊对比度增强图像的纹理和边缘信息,从局部增大图像对比度。与当前一些典型的增强方法相比,实验结果表明本文提出的算法的几种客观评价指标明显优于其他算法,能有效提升水下图像的对比度,抑制伪吉布斯现象,而且图像视觉效果也有明显改善。

结合àtrous算法与Retinex算法的医学图像增强

提出结合àtrous算法与Retinex算法的医学图像增强.方法在二进小波理论基础上,利用推广的二维àtrous算法对医学图像进行处理,对经过多级分解后的医学图像的低频利用连续非线性函数增强,而对分解后的多个高频采用改进的Retinex算法进行增强;最后,对增强后的低频和高频进行重构.经过反复仿真试验结果表明:方法在去除噪声的同时更好地保留了图像边缘特征,增强了图像细节信息和凸显图像的轮廓,并克服对比度下降的不足,较好地去除光晕现象,视觉效果好,层次感更丰富.

a′Trous小波变换与PCA变换相结合的遥感影像融合分析

随着高分辨率遥感卫星的产生,传统的融合技术难以达到较好的融合效果,如主成分分析(PrincipalComponents Analysis)变换融合受到融合区域的限制,而传统的小波融合(Wavelet Transformation)算法由于高频直接替换,导致了一定程度的光谱失真,由此本文在分析主成分分析变换和a′Trous小波变换(WT)的基础上,以QuickBird全色和多光谱数据为实验数据,提出了一种将两者相结合的遥感影像融合方法,通过与其他融合方法的定量和视觉比较,结果表明该方法能得到更好的融合效果。

基于A'trous小波变换的多传感器数据融合方法

在小波分析中,Mallat算法是一种重要的小波变换方法。但该方法由于存在抽取和插值运算,其结果有一定的失真。A’trous算法既具有Mallat算法的快速性,又有效保留了数据信息。提出把A’trous算法应用到多传感器数据融合中,经过仿真计算,其结果表明该算法是有效的。

全球平均海平面变化LMD-àTrous多尺度分析及预测

针对非线性非平稳的全球平均海平面时间序列分析及预测的问题,对局部均值分解LMD方法和àTrous算法进行了研究,提出了一种时间序列多尺度分析LMD-àTrous方法。利用LMD-àTrous方法处理全球平均海平面的时间序列,并结合自回归AR方法对未来全球平均海平面的变化进行预测。用平均绝对误差和平均绝对百分比误差评价AR、LMD+AR、àTrous+AR和LMD-àTrous+AR预测方法的结果,并用小波方差图描述利用传统AR方法和结合LMD-àTrous方法预测的时间序列的周期特性。实验结果表明,LMD-àTrous方法能够挖掘出数据的物理机制和物理规律,并分解成不同尺度上的特征信息,将含有噪声的项进行自适应小波阈值去噪处理并重构时间序列,能够有效地发掘数据规律并达到其预测的效果,相比于传统的时间序列预测方法具有优越性。

一种基于静态小波变换的图像融合算法

给出了一种基于静态小波多尺度边缘检测的图像融合算法,是一种适用于微光和红外图像融合的多分辨率方法。该方法选择á trous多孔算法为基础,并选取不同尺度参数的LOG算子作边缘检测,利用了图像的多尺度边缘信息确定图像的边缘位置进行融合。在小波域中,对高频信息依据边缘检测的边缘点进行融合,对低频信息利用取加权法进行融合,再进行小波逆变换重构融合图像。通过红外和微光图像的融合实验结果表明,该方法能有效地突出边缘细节,提高图像分辨效果和人眼对场景目标的发现和识别概率。

一种有效的红外图像融合算法

给出了一种基于átrous算法红外与可见光图像融合算法,该算法主要针对光谱差异较大以及配准精度较低的这类图像的融合算法。该算法首先对融合图像源进行átrous算法分解;随后,对分解的低频信息利用取加权法进行融合;高频信息首先利用边缘检测技术对不同尺度不同方向的高频信息进行边缘点的加强,然后以区域的空间频率为度量标准得到新的高频系数;最后进行átrous算法重构得到最终的融合图像。通过两组红外和可见光图像的融合实验,结果表明该方法能有效地突出边缘细节,提高图像分辨效果和人眼对场景目标的发现和识别概率。

融合引导滤波和小波变换的水下图像增强算法

针对水下环境对比度低和极其模糊的视觉效果问题,提出了一种融合引导滤波和小波变换的水下图像增强算法。利用引导滤波将图像分为基础部分和细节部分,将小波变换应用于基础部分,对产生的低频图像进行限制对比度直方图均衡,高频部分分别使用改进的对数函数增强,然后将处理后的高低频部分进行小波逆变换。细节部分进行增益计算;最后将处理后的基础部分和细节部分进行加权融合,再对融合图像进行限制对比度直方图均衡,得到目标图像。仿真实验表明,该方法在保留图像细节的同时很好地克服了光照不均匀对图像的影响.

基于区域分割的遥感图像融合方法

提出了一种基于区域分割的图像融合方法,先将待融合的图像按空间特性分割成相似度不同的区域,然后根据具体应用目的对每个区域采用不同的融合规则.对多光谱与全色图像、多光谱与雷达图像两类遥感图像对进行了融合实验,实验结果表明,引入区域分割后的融合结果不但性能更优,而且可以很方便地控制不同图像源的成分对融合结果的贡献,满足特定应用的需求.

基于不同类型小波变换的SAR与可见光图像融合研究

利用具有不同变换形式及不同小波基的小波变换对合成孔径雷达与可见光图像进行融合实验,研究了不同类型小波变换的特征,对融合实验结果进行了分析和比较,综合实验结果和计算复杂度两个方面考虑进行性能评价,为不同的应用场合下正确选择适合合成孔径雷达与可见光图像融合的小波变换类型提供了理论依据.

小波网络模型及其在日流量预测中的应用

基于小波分析和人工神经网络两者的优点,本文尝试将小波分析与ANN结合建立松散型WNN耦合模型,通过小波变换把南告水库的日流量序列分解成不同频段的子序列,再对这些子序列分别采用BP神经网络进行预测,最后利用小波重构得到整体的预测效果,并与传统BP模型结果相比较.研究结果表明,该方法提高了预报精度,可以成功地用于水文模拟和预测.

基于时间序列与小波分析耦合模型区域降雨量预测研究

为提高区降雨量预测精度,提出小波分析与时间序列组合模型。以黑龙江省虎林市858农场区为例,采用小波变换A Trous算法将小波信号分解,对分解后各小波变换序列互相关分析,随后运用时间序列分析分别对该农场周期项W 1（t）、随机项W2（t）、趋势项C2（t）模型求解,采用小波重构算法得到组合模型。运用该模型模拟该区1999~2014年降雨量,结果与实际测量值接近。预测未来3年短期降雨量,为指导区域农业生产及管理提供科学依据。

小波变换对中长期入库径流预测的适应性研究

通过典型水库入库径流预测实例,分析了小波周期分析模型预测效果与径流系列长度、时段长及流域尺度之间的关系。初步结论为:①小波周期分析模型依据时间序列长度不能过短,但也不是愈长愈好,当时间序列长度超过一定限时,模型的预测效果将不会再改善;②月、旬两种时段长对比结果表明,时段长越短,径流序列奇异性将越显著,小波周期分析模型的预测效果越差;③小波周期分析模型对流域尺度反应灵敏,流域面积越小,径流序列变化就愈不规则,模型的预测效果愈差。

基于小波变换的入库径流组合预测方法研究

应用小波分析理论中的多尺度分析,分析水库入库径流过程,采用àtrous算法分解原始径流过程,对分解后的系数组进行周期分析,利用周期均值叠加法作各级系数外延预测,重构预测的系数组,取得入库径流过程预测结果。利用该方法对三峡水库的实例研究取得了较满意的结果,结果表明组合方法比直接利用周期均值叠加法预测精度高。

动态变形信号二进小波提取模型研究

引入二进小波变换理论研究动态变形信号分析模型,提出动态变形信号二进小波提取与粗差识别修复的技术路线.实例选择B3-spline小波函数,采用àtrous快速二进小波变换算法的软阈值降噪方法进行动态变形信号提取,三倍中误差作为各细节尺度的降噪阈值,并在分解的细节尺度上进行粗差识别,在此基础上进行粗差修复,获取真实的变形信号.结果表明:用此模型能有效提取动态变形信号,变形信号提取的效果优于中值滤波的方法;二进小波第二分解尺度细节部分能同时定位孤立态、离散态与区域态粗差的位置,并且精度远优于Mallat算法,在区域态粗差边界的定位中表现尤为显著,这是由二进小波的平移不变性决定的.

基于Gabor小波变换的机载SAR海面风向反演方法

给出了一种基于Gabor小波变换的机载合成孔径雷达(SAR)海面风向反演的新方法。该方法利用Gabor小波对SAR图像进行二次小波分解,并对小波系数作FFT变换来获取图像谱,其低波数谱连线的垂线方向就是海面风场的风向。利用该方法获得了SAR图像海面风向信息,并与àtrous算法反演结果、浮标测得的海面风向(真值)进行了比较。实验结果表明,采用该方法获得的机载SAR海面风向反演结果与海面浮标实测数据吻合,比àtrous算法有较大改进。

基于二进小波的医学图像增强

在二进小波理论的基础上对图像的增强做了研究。经大量实验证明:提升二进小波滤波器处理的图像的信息熵和对比度改善指数与初始二进小波滤波器处理的图像相比有较大的提高,表明提升滤波器在图像处理中的有效性;在增强函数的选取上,将分段线性函数和连续非线性函数结合起来对图像进行增强,并根据不同分解层高频系数的特点选取不同的阈值与增强因子对图像进行增强,与使用单一的增强函数相比,图像的信息熵和对比度改善指数有了更进一步的提高。

基于非下采样Contourlet变换的图像相关去噪

针对Contourlet变换不具有平移不变性,在图像去噪中容易产生伪吉布斯现象的情况,本文将具有平移不变性的非下采样Contourlet变换与相关去噪法相结合,采用不同的相关系数归一化方法,用Bayesian阈值代替传统的硬阈值来达到更好的去噪效果。实验表明,该方法提高了去噪后图像的峰值信噪比(PSNR),同时,有效保留了图像的纹理信息,避免了伪吉布斯现象,改善了图像的视觉效果。