基于子波变换的纹理图像分类

本文用子波变换的方法描述了纹理图像多尺度、多方向的特性,提出了适合于纹理图像分类的新的子波特征。通过对其稳定性和视觉特性的详细分析,指出此特征优于传统的能量特征。文章最后结合九类自然纹理图像,分别基于标准子波特征,子波包特用ＢＰ神经网络进行了分类识别。实验结果表明,在无噪声情况下,对自然纹理图像可无误差分类;在有噪声情况下,正确分类识别率高,表现出强的稳定性。     

用子波网络实现自适应子波变换

本文从傅里叶变换（ＦＴ）的角度引入连续和离散自适应于波变换（ＷＴ），作为应用，在数学上比较子耳，眼功能和连续ＷＴ，以给人工神经网络（ＡＮＮ）提供多分辨率分析（ＭＲＡ）并行输入，这种七妙的预处理可以实现特征保持的数据压缩，避免过训练或地拟合对ＡＮＮ概括和抽象能力的影响。这可以用来解释嘈杂鸡尾酒会效应。一个例子是，对Ｎ个数据要求有Ｎ阶阶复杂性快速数据压缩的多波段红外图像，引入离散ＷＴ作为完备，正交和归     

基于多分辨率Trace变换的纹理图像分类

针对Trace变换提取的图像特征缺乏对纹理边缘信息描述和计算代价高的问题,利用小波变换对图像轮廓的表征优势,提出了多分辨率Trace变换并应用于纹理图像分类.首先,将小波变换引入到Trace变换中,对纹理图像进行非下采样小波变换,得到不同频率的低频特征子图及高频边缘子图;其次,在各级子图上进行一组泛函的Trace变换,获取纹理图像的融合特征,在获得图像边缘信息的同时避免了Trace变换不同泛函组合计算代价过高的问题;最后,把融合特征送入支持向量机对图像进行分类.实验结果表明,对图像采用多分辨率Trace变换提取的融合特征具有更好的纹理描述能力,相对于传统Trace变换及MCM等对比方法具有更高的鉴别性能,且在时间效率上相对于传统Trace变换有大幅提升.     

基于空间映射复Directionlet变换的图像纹理分类

Directionlet变换具有多方向各向异性基函数,能有效捕捉图像的奇异性特征。该文在此基础上构造了一种空间映射的复Directionlet变换,使其具备了更为灵活的方向选择性和近似的平移不变性。利用空间映射方法获得Directionlet变换的复函数空间,对多尺度各方向子带系数提取能量特征用于图像纹理分类。通过对Brodatz图像库及真实SAR图像的纹理分类实验表明,该文算法较之小波分析及其它多尺度几何分析方法,具有更优的纹理分类性能,也验证了Directionlet工具在图像分析中的应用潜力。     

基于BoF和迹变换多特征融合的图像纹理分类研究

针对BoF模型缺少几何特征、结构特征的表达,对纹理图像特征描述不充分等问题,提出一种基于BoF和迹变换多特征融合的图像纹理分类方法。首先通过关键点检测的方法获取纹理图像的碎片化图像,然后提取碎片化图像的迹变换特征和SIFT特征,通过特征交叉编码的方式和动态鉴别能量的方法,获取迹变换特征和SIFT特征的融合特征并进行特征单词优选,再以BoF模型进行特征编码,最后输入到支持向量机（SVM）中进行训练、预测和分类。实验在OutexTC10/TC12000和KTHTIPS纹理数据集上分别取得了100%、99.87%和97.6%的识别精度,结果表明该设计方法对具有几何特征、结构特征的纹理图像可以获得较好的分类效果,有效地提高了纹理分类的识别性能。     

应用联合子波变换相关器实现图像特征抽取的研究

提出了一种功率谱相减技术的新型联合子波变换相关器来实现特征抽取，同时给出了实验系统和计算机模拟结果。结果表明该系统成功地实现了图像实时特征抽取。     

基于Gabor变换与克隆选择的遥感图像分类算法

提出了一种Gabor变换与克隆选择算法相结合的遥感图像分类算法。该算法首先对遥感图像进行离散Gabor变换,以Gabor变换系数模的平均值作为该图像的纹理特征,然后利用克隆选择算法对纹理特征进行优化,得到最优纹理特征。实验结果表明,该算法要优于传统的Gabor变换分类算法,分类精度和kappa系数都有较大提高。     

基于子波分解的多通道神经网络纹理分割方法

描述了一种体现多通道滤波技术的神经网络纹理分割方法，决策神经网络（ＤＢＮ）可提高纹理分类的精度，同时纹理的子波变换降低了图像数据间的相关性，提高了网络的学习效率，实验表明本文提出孤方法分类误差较低，获得了令人满意的纹理分割效果。     

子波变换理论及其应用

本介绍了子波，子波变换理论及其应用。     

从时频分布到连续子波变换

本文从时频分布的物理概念出发,首先指出了各种时频分析方法的内在联系和差别,然后着重从连续子波变换在信号分析中的物理意义来讨论它的数学表示和特有性质,并和短时傅里叶变换作了比较。接着对连续子波变换在时间尺度平面上的离散化的概念作了扼要描述。最后,基于文中叙述的物理概念,对子波变换的应用和进展作了简要评述。     

基于小波变换的合成孔径雷达运动目标多普勒参数提取算法

本文基于合成孔径雷达成象处理中运动目标回波信号的频谱特点以及WVD变换的性质,讨论了WVD的双线性特性在用于运动目标多普勒参数提取,特别是用于多点目标及面目标成象处理时的缺陷,并结合小波变换特点,分析了小波变换用于运动目标多普勒参数提取的可行性和用于多点目标和面目标情况下的内在优势,在此基础上提出了基于小波变换的合成孔径雷达运动目标多普勒参数提取算法,计算机仿真结果验证了算法的可行性。     

信号包络提取方法从希尔伯特变换到小波变换

本文分别讨论了希尔伯特变换和小波变换的原理、性质和在提取信号包络方面的应用,并进行了分析、对比;说明了小波变换(采用已调高斯小波)除了能够对信号实现正交、提取包络外,还具有带通滤波的功能;从而能提取出优于希尔伯特变换的信号包络。     

一种不做乘法的快速整数小波变换

该文提出了一种不做乘法的整数小波变换方法,它可以迅速地完成二维可分离小波变换,比传统的浮点型小波变换在速度上有了很大的提高,并且便于硬件实现,在图像压缩上有广泛的应用前景。     

小波变换和神经网络在毫米波辐射计目标识别中的应用

本文采用小波变换把毫米波辐射计的目标信号分解为一系列正交子空间上的投影,利用重构矩法分析信号特征在各子空间的分布,依次提取各子空间上的特征,然后融合这些特征,组成特征矢量,采用神经网络对目标信号特征矢量进行建模．用此方法对低信噪比的毫米波辐射计的信号进行仿真试验,结果表明该方法克服了传统方法对噪声和目标信号散布的敏感,取消了对目标和辐射计天线之间距离的限制,与最近邻法相比,该方法大大提高了识别率．     

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。     

局域自适应子波高斯神经网络综合分类系统

本文提出了一种用于船舶噪声分类的局域自适应子波高斯神经网络综合分类系统。该系统融合了两种特征提取和分类方法,即自适应子波神经网络和自适应高斯神经网络分类器,并利用网络局域化使得系统具有追加学习的能力。通过对实际的三类船舶噪声进行分类识别,结果令人满意,证明了该方法的优越性和工程应用前景。     

M带小波变换在图象中的应用

小波变换是近年来兴起的一种时频域信号分析理论,是信号分析处理的一种强有力的新工具.本文根据小波变换的特点,在Mallat二带多分辨分析的基础上,讨论分析了信号的多带多分辨分析的理论和实现算法,并将这一理论和算法应用于图象处理,取得了满意效果.     

对数变换与小波变换用于野外采集植物波谱降噪

地物波谱野外测试过程中常引入噪声.本文结合植物波谱测试原理,提出波谱噪声属于乘性复合噪声.经理论推导,又提出了对数变换与小波变换相结合的降噪方法.仿真降噪试验结果表明,空域相关算法最适合于光谱数据降噪,模极大法次之,阈值法则不适于该类噪声的消减.对野外采集植物波谱的处理结果表明,空域相关去噪法对1450nm附近的噪声去除能力较强,1800~1900nm强噪声则去噪效果不理想.原因在于波谱仪纪录精度有限,当理论比值远大于1时,能够准确记录下来;远小于1时记录值为0,从而在强噪声干扰波段出现较严重的系统误差,经小波降噪后被视作奇异点被保留下来.研究表明对数变换与小波变换相结合采用空域相关去噪对于含乘性复合噪声的光谱是可行的.     

利用小波变换的高性能谱估计算法

本文提出了基于小波变换的一种新的高性能谱估计算法。由于小波变换同时在时、频域具有良好的局部化特性,本文的算法适用于低信噪比、短时数据序列的情况。文中给出的计算机仿真结果证明,本文算法具有较高的分辨率和估计精度、较低的信噪比门限。