计算机应用

0621769一种基于小波变换的二相编码信号识别方法[刊,中]／胡小勐／／电子信息对抗技术．-2006,21(3)．-6-10 (G)研究了一种利用小波变换识别二相编码信号的方法,重点讨论了小波变换的尺度参数设置问题,通过对尺度参数的合理设置提高了识别效率,对小波变换系数的统计提高了识别结果的可靠性。运用计算机进行模拟仿真,实验结果证明了该方法的有效性。参5     

基于Fisher变换的多尺度图像识别方法及其车形识别应用

该文提出了一种图像识别方法，该方法首先对识别图像进行多尺度小波分解，把不同尺度的分解结果组织为分解向量，再对分解向量作Fisher变换，在Fisher变换域内依据最小绝对距离(或相对距离)识别图像，该方法主要依据小波分解低频分量进行识别运算，对噪声不敏感；同时识别结果已经融合多尺度的识别运算，故目标图像大小对识别结果影响较弱。实践证明，该方法正确识别率高，鲁棒性强。     

基于小波边缘提取的目标光学相关识别

为提高联合变换相关器对复杂背景图像的识别能力,提出了基于小波变换边缘提取的联合变换相关器。利用具有多尺度分析功能的小波变换工具对联合图像进行边缘检测,所提取的边缘图像能保留更多的细节信息,改善复杂背景下的目标识别能力。计算机模拟和光学实验结果均表明,用小波变换边缘提取的联合图像进行相关识别,能明显增强相关峰的强度,提高目标识别能力。     

基于多尺度分析矩特征的人脸表情识别

Zernike不变矩具有对噪声不敏感,正交等特性,是表情的有效表征方法,高阶Zernike矩包含更多图像信息,对表情分类的作用更大.但是高阶矩的计算复杂度很大,很难达到快速表情识别的要求.本文利用小波变换对表情图像进行多尺度分析,从低频子图像中计算其Zernike矩作为判别特征进行表情识别.通过小波变换,一方面可以对图像降维,降低计算复杂度;另一方面,小波变换的去噪性能使得识别效果更好.实验表明,基于多尺度分析Zernike矩特征的方法优于单独使用小波变换或Zernike矩特征方法的识别效果.     

基于小波变换的多尺度图像边缘处理

对小波变换后的图像边缘信号关于多尺度边缘检测、提取和重建方面进行了讨论,以利于进一步对图像进行有效的编码、识别和增强等处理;同时也讨论了将小波变换与多尺度边缘检测方法有机结合起来的一些实用技巧。     

多尺度多特征仿生人脸识别

本文使用Daubechies正交小波变换对人脸图像进行二次小波分解:首先对第二次小波变换低频子图像进行PCA分析。运用邻域法进行分类得到距离隶属度。利用模糊分析提取出候选样本,对候选样本第一次小波变换的低频子图像进行PCA分析,运用最近邻域法进行分类得到最终识别结果。实验表明:小波变换预处理得到多尺度多特征;分类结果之间具有一定的互补性,同时可以提高分类性能。     

基于空间屏蔽的M通道小波星图去噪法

小波图像去噪已经成为目前图像去噪的主要方法之一，在分析了小波变换的基本理论和小波变换的多尺度分析基础上，根据多尺度小波变换的多分辨特性，提出了M通道小波变换去噪方法；在该方法中，根据噪声信号小波变换的极大值随尺度的加大而显著减少的特点，将一种基于多尺度分析的空间屏蔽滤波法用于对小波系数进行处理。并将此方法用于星图降噪处理中，收到良好的效果。     

小波变换在目标识别中的应用

利用小波变换具有易于消除噪声、运算方便、能够体现图像特征等优点,研究了基于小波变换的目标识别方法.首先采用二次B样条小波滤波器组对样本图像进行小波变换,提取多尺度边缘,然后提取不变矩,以此作为图像的特征向量,最后应用小波神经网络进行分类识别.计算机仿真实验表明,该方法取得了较好的识别效果.     

基于小波变换的故障信号分析与检测

讨论了小波变换及其基本性质，探讨基于小波变换模最大值沿尺度演变的信号突变检测的基本原理与方法，在不同尺度上分析和处理信号的各种频率分量，使信号的奇点，突变点放大，提高信号的分辨率，信噪比。研究小波分析在机械工程信号处理中的应用，提出通过二进小波变换检测信号奇异点的实用技术。利用介绍的模极大值多尺度小波变换的方法，较有效地检测出滚动轴承故障发生的起始点，对在线故障诊断进行了有益的探索。     

基于尺度间和尺度内相关陛的平稳小波红外图像去噪

提出了一种基于尺度间和尺度内相关性的平稳小波变换红外图像去噪方法。首先对红外图像进行离散平稳小波变换，分别对各个分解层的高频子带，利用不同尺度小波系数形成的系数向量，通过线性最小均方误差估计小波系数，获得各个高频子带的估计系数，再利用小波系数尺度内的邻域相关性对小波系数进行修正，然后通过小波反变换得到去噪图像。仿真结果表明，考虑尺度间和尺度内相关性的平稳小波红外图像去噪算法能有效地去除红外图像噪声，在信噪比和视觉质量上要优于单纯考虑尺度间相关性的去噪方法。     

基于小波变换模值的二相编码信号调制特征分析

在利用小波变换提取二相编码信号的调制特征时,尺度参数的设置很重要,文中通过正弦波频率估计的综合方法来精确的估计出信号的载频,从而得到合适的尺度参数,并得到小波脊线.通过计算小波脊线上小波变换的模值来得到二相编码信号调制特征.实验结果表明了此方法在较低信噪比下的有效性.     

一种二相编码信号调制特征分析方法

二相编码信号的调制特征对于信号的分选和识别是很重要的参数。在利用小波变换提取二相编码信号的调制特征时,尺度参数的设置很重要,他影响到小波脊线提取。通过正弦波频率估计的综合方法来精确地估计出信号的载频,并得到合适的尺度参数,再得到小波脊线。利用小波变换的模值来得到二相编码信号的调制特征。仿真试验验证了此方法的有效性。     

基于SWBCT和投影特征的遥感目标识别

方向信息提取与小样本问题是遥感目标识别与应用的瓶颈,基于平稳小波的Contourlet变换(Stationary Wavelet Based Contourlet Transform,简称SWBCT)与投影特征相结合,本文提出了一种新的遥感目标特征提取与识别方法.首先采用改进的Contourlet变换SWBCT对遥感图像进行分解,然后对分解子带进行方向投影并求投影向量的统计特性作为目标特征,进而利用K近邻分类器进行目标识别.与小波、Contourlet等代表性方法进行比较,实验结果与分析表明,该方法不仅具有较高的识别率,而且在小样本情况下,依然可以得到较好的结果.     

多母小波多消失矩最优小波包滤波器的研究

采用层叠算法,计算小波包基函数的离散逼近序列。改进特征图像相关识别方法,选用识别能力评价指标,利用图像和小波包基函数相关的直接变换优点改进最优基选择,提出多母小波多消失矩最优基。生成最优基的特征图像,采用体全息相关识别系统实现虹膜的光学识别,实验取得较好的效果。设计、制作多母小波多消失矩最优基光学小波包灰阶滤波器以进一步提升识别率。检测表明,滤波器符合设计要求。实验表明,该滤波器可有效提高识别率。     

具有平移、尺度和旋转不变性的小波变换

寻求具有平移、尺度和旋转不变性的小波变换,是应用小波分析进行模式识别需要重点解决的课题。普通的离散小波变换对信号的起始位置非常敏感,不具有平移不变性。本文通过坐标变换,采用方向能量函数确定图像主轴方位,并将其旋转到水平方向得到方向归一化图像。通过对图像的重整和正交小波基的位移、伸缩变换,消除位移和尺度的影响,得到具有平移、尺度和旋转不变性的小波变换。     

自适应分层阈值小波去噪在雷达信号中的运用研究

在处理拉曼雷达回波信号过程中,采用小波去噪法进行算法反演前的数据预处理,针对小波去噪的核心问题-小波基的选择和阈值的设定提出了自适应分层阈值软门限去噪的方法,并选择了不同的小波基组合软硬阈值对去噪结果进行了对比.经实验数据验证,相对传统的滑动平均滤波,纯粹的细节和抑制全局阈值法,自适应分层阈值软门限在获取相同信号、保持相同能量的前提下能更好地恢复信号;在有云情况下信号的尖峰结构也没有变化,有效地抑制了噪声,提高了细节识别度和反演精度.     

扩散限制聚集模型的光学小波变换

论述了用Ｍｅｘｉｃａｎ－ｈａｔ小波函数簇实现扩散限制聚集（ＤＬＡ）模型的光学小波变换（ＯＷＴ）。采用一系列离散化的压扩因子,成功地将ＤＬＡ分形图像分解成多种尺度成分。因此,该方法能简单、快速地从不同时段直观地观察分形体自相似结构的形成过程。还用光学小波变换的方法求出了ＤＬＡ分形的分维值。实验结果证实了光学小波变换是一种实时分析ＤＬＡ 模型的重要方法。     

用计算全息制作自聚焦尺度不变子波变换匹配滤波器

提出了一种基于光学子波变换自聚焦综合判别函数(WFSDF)匹配滤波器。这种匹配滤波器,将光学子波变换和综合判别函数(SDF)相结合,只用一个傅里叶变换透镜就能实现输入图像和SDF的子波变换的相关运算。采用计算全息的方法制作复数匹配滤波器。计算机模拟仿真结果表明,和传统的SDF匹配滤波相关器相比,WFSDF匹配滤波器锐化了相关峰,提高了识别率,同时简化了光路。     

基于小波域多尺度Retinex的复杂光照的人脸识别

针对Retinex模型在处理光照不均匀图像的不足,提出了组合小波域多尺度Retinex模型(DWT-MSR)和ICA识别方法,并将其用于不同光照下的人脸识别。在二维小波变换后的小波域中,将其低频小波系数变换到对数空间,使用三种不同的高斯滤波系数和对数空间中的小波系数进行卷积运算,将三种标准偏差尺度下得到的结果进行加权平均,采用gain/offset的方法,对输出图像进行灰度值线性拉伸;小波域中其他三种高频系数保持不变,然后再将变换后的低频系数和高频系数作小波反变换,得到的新图像则为小波域多尺度Retinex模型的处理结果,最后使用定点独立分量分析和神经网络进行分类识别。经实验证明,基于该模型的方法在处理不同光照下的人脸图像时,效果明显优于Grey,Hist,SSR,Embossing,MSR,Quotient等常见的光照处理方法。     

语音信号的Bark子波变换及其在语音识别中的应用

本文首先在语音感知实验基础上所得到的Bark尺度概念与子波的构造联系起来,提出了一种语音信号Bark子波及其变换.在感知特性中,它与人耳的听觉系统是直接吻合的:在数学上,它是一种非正交的但却是超完备的,可逆且是自反演的子波变换.应用在语音识别中时,利用子波的局部基性质,取较小的分析帧长,提高了前端处理的时间分辨率.实验表明,所形成的新特征在对辅音区别能力方面明显优于目前应用于广泛的MFCC特征.