基于最优小波包基的自适应数字水印算法

提出了一种新的基于最优小波包基的数字水印算法，该算法充分利用了小波包的优点．对图像低频子带和纹理细节丰富的高频子带同时实施分解处理，并结合与人类视觉特性，采用自适应水印嵌入算法。实验证明该算法在保持嵌入水印图像具有良好视觉质量的同时，对常见的水印图像攻击方法具有较强的鲁棒性。     

一种新的快速自适应小波包图像压缩算法

提出了一种基于推广的Shannon熵代价函数的快速自适应小波包算法。该算法在小波包分解过程中,先对图像数据的边界进行对称延拓,最后提出了一种与零树编码、自适应算术编码相结合的小波包图像压缩算法。     

基于DSP的最优小波包基算法的实现

小波包分析能够为信号提供一种更加精细的分析方法,它将频带进行多层次划分,对多分辨分析没有细分的高频部分进一步分解,并能够根据被分析信号的特征,自适应地选择相应频带,使之与信号频谱相匹配,从而提高时-频分辨率。为了能在DSP嵌入式设备中应用小波包分析方法进行信号处理,首先讨论小波包分解的过程和最优基及代价函数的选择方法,然后提出一种在DSP上实现香农熵代价函数的小波包分解算法的方法,并在浮点型DSP TMS320C6713B上实现了此算法。最后针对具体的数字信号进行小波包分解和最优基选择的实验,实验结果证明了该方法的正确性和高效性。     

一种快速自适应最优小波包基搜索算法

在小波包调制系统中,小波包基的选取对于系统性能有着显著的影响。针对目前BBS算法与BFA算法的缺点,分析了小波包基的构成原则与选取方法,提出了一种基于根节点逐级向下按二进分支路分解,利用度量函数决定父节点与子节点取舍的最优基搜索算法,并解决了约束条件下的最优基输出问题。最后将该算法在4径Rayleigh信道模型下进行了测试,仿真结果表明：在相同条件下,该算法比BBS算法快15%~20%,比BFA算法快10~15倍,且输出的最优基比全分解结构的ICI与ISI联合功率降低约20%。     

基于小波包分析的ECG信号降噪

在临床医学检测上,心电信号(ECG)是一种典型的人体生理信号,在采集时常伴有工频干扰、基线漂移和肌电干扰等影响。为后续能进行有效诊断,必须对采集的ECG信号进行预处理。文中介绍了一种基于小波包分析的ECG信号降噪方法,首先根据熵标准选择最佳小波包基,然后对ECG信号进行多层小波包分解,最后对分解系数进行阈值量化后得到重构信号。通过对胎儿ECG信号的仿真实验,结果表明,小波包分析方法比傅里叶变换和小波变换等具有更好的降噪效果。     

基于最优小波包的SPIHT图像编码算法

提出了一种基于最优小波包的改进SPIHT图像编码算法.分析了各种代价函数的特点以及构建最优小波包基的算法.实验结果表明:基于最优小波包的SPIHT图像编码算法能自适应的量化小波包分解后的不同子带的系数,其峰值信噪比和重建图像质量均优于标准的SPIHT编码算法.     

多母小波自适应小波滤波器

利用自适应小波变换（AWT）能融合不同母小波的优点,采用盖伯母小波和墨西哥帽母小波构成自适应小波.以光学人脸识别中降噪问题为应用背景,使用神经网络法对小波参数和组合系数进行优化,将生成的多母小波自适应小波滤波器用作人脸特征提取器.对噪声图像做特征提取,进行相关识别,采用3个指标定量分析识别结果.同盖伯小波和墨西哥帽小波识别结果的比较表明,多母小波自适应小波具有不同母小波的优点,并有良好的降噪性能.     

应用最优小波包变换的特征提取方法

在模式识别或分类中,从原始模式中提取有效的分类特征是非常重要的.但对于大量的非平稳或时变信号模式来说,如语音,雷达,地震信号等,用于分类的特征往往包含在局部的时-频信息中,用一般的变换方法提取有效的特征比较困难.近年来小波变换在信号处理和特征提取中得到了广泛应用,但小波包变换的任意多尺度分解特性,是分析非平稳信号更有效的方法,这是由于小波库中包含了丰富的小波包基,不同的小波包基具有不同的性质,反映不同的信号特性,能获取其他变换所不能获取的信号特征.本文主要研究由给定的训练样本集,如何选择最优小波包基,从被识别或分类的信号中提取具有最大可分性的特征.为此提出了应用三种可分性准则,即距离准则,散度准则和熵准则选择最优基.通过实验,对应用各准则选择最优基提取特征与小波基提取特征的性能进行了比较.     

多小波图像编码中前置滤波器的设计

本文研究多小波图像编码中前置滤波器的设计,多小波变换矢得滤波,普通的标量信号要通过一个前置滤波器转化为一信号,才能进行我小波变换。本文根据图像信号的特点,结合现有的二种前置滤波器,提出了一种新的置滤波方程。实验数据表明,这种新的前置滤波器优于现有的二种前置滤波器,因而为提高图像压缩比例创造了条件。     

一种改进的小波包变换多尺度滤波

提出一种基于小波包变换的多尺度传感器数据融合算法,并针对方法中存在的小波分解的尺度系数的幅值随分解层数增大而增大现象对滤波器作修改,改进后的算法既明显提高滤波性能,又能保持原算法的优点。     

基于体全息的光电混合虹膜识别系统的研究

对基于体全息的光电混合虹膜识别系统进行了研究,采用基于联合最优小波包基的特征图像相关识别方法实现虹膜的光学识别。生成联合最优小波包基的特征图像以压缩存储的模板图像库,降低后处理数据量。改进最优小波包基优选标准,使所选最优基获得最大识别能力。采用统计特征识别的后处理方法使光电混合识别系统具有更好的适应性。系统仿真结果表明,所提出的系统既具有光学运算和体全息相关的高并行性,又具有计算机数值计算的高精度,获得了良好的识别效果。     

Wavelet Packets Analysis Based on IIR Two-channel Bi-orthogonal Filter Banks

1IntroductionAccordingtoitSrelationwithwaveletanalysis,tWo-channelfilterbankscanbeusednotonlyintheimplementationofwavelettransformandinversetransform,butalsoinwavelet'sconsmichon.AndIIRfiltersarewellknowntohaveshadertransihonregions,lowcomplexity,lowreconstrUctionermrandaPPro~lylinearphase.Weconstr'UctIIRhi-orthogonalPerfectreconstructionfilterbanksusinganallpassfunchonA(z)whoseamplitUdecharacterishcsisallpassandwhosephasecharacterishcsisanapproximatelylinearPhaseinthepass-band.Andweacc…     

一种新颖的基于小波变换的虹膜识别算法

虹膜识别是一种新兴的生物识别技术,研究了虹膜图像的快速定位、增强等预处理方法,并提出了一种新颖的基于二维小波变换的虹膜识别算法,它的基本思想是:对预处理得到的虹膜图像进行四层小波分解,对得到的低频和高频系数抽取115维特征矢量,最后用汉明距离进行图像匹配判决合法性.实验证明,该算法运算速度较快,在图像模糊、噪声干扰等不利条件下仍具有良好的稳健性.     

用二元小波滤波器作图像相关识别

本文提出用二元小波滤波器作图像相关识别的技术。利用小波变换对图像处理的优越性,对小波滤波函数进行二元化处理,成为二元带通滤波器,并应用于旋转图像的识别,本文进行了理论阐述和计算机模拟实验,结果证实了设计的可行性,与经典的联合变换相关器相比输出功能大为提高。     

基于联合子波变换结构的实时目标识别研究

把联合变换相关技术与子波变换结合起来，建立了一套用于目标识别的实验系统．该系统巧妙地集图象预处理与相关过程于一体，同时具有优良的性能，如抗噪声能力强、相关峰尖锐、不存在旁瓣效应等．     

基于Hough变换的快速虹膜识别算法研究

为了快速、准确地达到虹膜识别的目的,提出一种基于Hough变换的快速虹膜识别算法。首先,对虹膜图像进行相关预处理,其中包括将原图像缩小若干倍,利用Hough变换提取虹膜圆环后,再还原图像;其次,利用2D-Gabor滤波器提取虹膜纹理信息;最后,利用Hamming距离进行虹膜识别。采用虹膜库中30例虹膜图像对该快速虹膜识别算法进行实验研究,结果表明:对虹膜图像缩小倍数应为22n(n=1,2,3,…)倍;当虹膜图像缩小倍数为16倍时,可实现计算速度与识别效果的最佳平衡。实验证明,该虹膜识别方法可行有效。     

小波变换在虹膜图像特征提取与识别中的应用

文章从虹膜图像的灰度直方图入手,分析了虹膜图像的结构及其灰度分布,在此基础上,完成虹膜图像的内、外边缘的定位和归一化;利用小波变换对分区后的虹膜图像进行分解,实现了虹膜的纹理特征提取和识别。实验结果表明,该方法运算速度快,准确度高,能较好的满足虹膜识别的实际要求。     

车牌识别方法的研究与实现

随着科技的进步,车牌识别系统有了很大的发展。其识别过程大概分为三个过程：车牌定位,字符分割和字符识别。由于在现实中车牌的识别会受到自然原因、人为原因以及图像采集设备的影响,这些会造成字符分割的不准确,从而导致识别的失败。基于此提出了在利用hough变换对车牌进行分割前用小波包变换的多分辨率进行降噪的方法,最后利用KL变换进行车牌字符识别的方法。实验表明其技术在速度和识别率等方面具有很好的效果。     

用小波包变换产生音频数据索引的方法

针对音频多媒体数据库中基于例子和基于内容的查询,本文提出一种产生音频数据索引的方法.这里,我们首先讨论了小波包分解的过程和最好基及代价函数的选择方法.其次,对现有的用小波变换产生音频数据索引的二个方法进行比较,并提出基于小波包最好基变换产生音频数据索引的方法.再次,我们提出用音频数据的小波包最好基变换系数的部分最高值的能量作为音频数据索引.最后,我们把这种方法与直接采用小波变换产生索引的方法相比较.实验结果表明这种新方法具有较高和较稳定的检索精度.     

Iris Recognition Using Wavelet Features

The traditional iris recognition systems require equal high quality human iris images. A cheap image acquisition system has difficulty in capturing equal high quality iris images. This paper describes a new feature representation method for iris recognition robust to noises. The disc-shaped iris image is first convolved with a low pass filter along the radial direction. Then, the radially smoothed iris image is decomposed in the angular direction using a one-dimensional continuous wavelet transform. Each decomposed one-dimensional waveform is approximated by an optimal piecewise linear curve connecting a small set of node points. The set of node points is used as a feature vector. The optimal approximation procedure reduces the feature vector size while maintaining recognition accuracy. The similarity between two iris images is measured by the normalized cross-correlation coefficients between optimal curves. The similarity between two iris images is estimated using mid-frequency bands. The rotation of one-dimensional signals due to the head tilt is estimated using the lowest frequency component. Experimentally we show the proposed method produces superb performance in iris recognition.