基于小波变换和径向基神经网络的签名识别

主要研究利用小波变换和径向基神经网络进行签名图像的分类识别.它包括不同签名图像和相似签名图像的分类识别.所提出的方法包括小波域的图像特征提取和利用径向基神经网络的模式分类.采用小波的多分辨分析方法对签名图像进行时频分析特别有效.熵和能量相关特征的概念用于小波域.径向基神经网络具有快速的收敛速度和分类能力.实验仿真证实了...     

基于Gabor小波特征的人脸识别算法研究

二维Gabor小波变换对图像边缘敏感,具有良好的方向选择性和尺度选择性,而对光照变化不敏感.本文提出了一种新型的Gabor特征人脸识别方法.该方法通过Gabor小波变换进行精确的人脸眼睛坐标定位,选取有利的人脸识别特征区域,通过构造新的Gabor小波特征,采用最近邻分类器对该特征进行分类.本文将该方法在YALE人脸库上进行了人脸识别实验,结果表明了该方法的有效性.     

基于医学影像的病脑检测

采用离散小波变换对脑部核磁共振图像进行特征提取,通过对比分类精确度对多个特征进行筛选,采用峰度作为最后识别特征。最后,采用支持向量机对脑部核磁图像进行分类识别,并与几种常用的分类算法做了对比研究。     

从腹部MRI中自动抽出肝脏区域的方法

提出了一种利用小波变换与肝脏在腹部MRI中的位置特征进行肝脏区域自动抽出的方法.该方法由3个阶段构成.首先,基于小波变换将原图像分解成高周波成分与低周波成分;其次,对低周波成分采用Sobel算子与LOG算法以及阈值处理等方法抽出近似的肝脏区域,并对肝脏区域的高周波成分予以强调;最后,通过对近似的肝脏区域进行过抽出与抽出不足的处理,再基于阈值变量精密地抽出肝脏区域.本文将此方法应用于实际的腹部MRI进行肝脏区域的自动抽出,验证了本方法的有效性.     

纹理SAR图像的多分辨率分析和分类(英文)

应用小波变换研究纹理合成孔径雷达(SAR)图像的多分辨率分析和分类,首先应用树状结构的小波变换算法对一幅纹理SAR图像进行多分辨率分解,并对图像中的不同纹理类型进行定量分析,然后将金字塔结构的小波变换算法应用到图像的多分辨率分类,所得结果证明了小波变换在纹理SAR图像分类中的优越性。     

基于Curvelet变换的SAR与TM图像融合研究

Curvelet变换作为一种具有各向异性特征的多尺度变换理论,克服了小波变换难以表达图像边缘方向特性等内在的缺陷.将Curvelet变换应用于图像融合中,能够更好地提取原始图像的特征,为融合图像提供更多的信息.文中利用Curvelet变换对同一场景的不同传感器获得的合成孔径雷达(SAR)图像和专题绘图仪(TM)图像进行融合,并对融合结果进行了客观和主观分析,实验结果表明,相比于传统的基于小波变换的图像融合算法,该算法具有更好的融合效果.     

土地覆盖分类影像融合与精度评价研究

影像融合技术可以使遥感影像具有高光谱和高空间分辨率的效果,实现不同空间、光谱、时间等多种分辨率的信息资源互补,从而提高图像的空间分辨率,提高图像的几何精度.文章利用ERDAS软件,对遥感影像数据进行融合,采用乘积变换、PCA变换、Brocey变换、小波变换等遥感影像融合方法对多光谱与全色影像进行融合和土地覆盖分类研究.通过结合图像的光谱统计参数和融合图像的分类精度,对这些方法的分类精度进行评价.这4种方法对于原始影像分类精度,均有不同程度的提高.而小波变换所得融合影像与原多光谱影像的相关系数最大,均方差、平均梯度和信息熵最大,偏差指数最小,影像所含信息量最多;在光谱特性、图像清晰度、对于空间细节信息的表现能力上其它三种方法都好,所得融合影像的分类精度也是最高的.小波变换更适合融合影像的土地覆盖分类研究.     

基于多小波阈值收缩与子带增强的图像去噪

为保证在图像去噪的同时,尽量保留图像的边缘特征,提出一种新的基于多小波阈值收缩与子带增强相结合的图像去噪方法.该方法以多小波变换为基础,将变换后的多小波系数分为噪声相关系数和边缘相关系数,对变换系数进行软阈值多小波收缩消去噪声相关系数;阈值收缩是非线性变换,对图像边缘有平滑作用,因此,该方法提出在阈值收缩后进行线性的子带增强,增强边缘相关系数.实验表明:与单一的阈值收缩方法相比,该去噪方法不仅保留了图像的边缘特征,而且提高了去噪图像的峰值信噪比,优于普通的阈值收缩方法.     

小波变换在图像匹配技术中的应用研究

针对单一图像匹配算法抗噪声能力和抗几何形变能力差、以及计算量较大等问题,提出一种基于小波变换后图像统计特征的图像匹配识别算法.利用小波对图像进行多个尺度的二维小波变换,分析反映图像在不同尺度和不同方向上能量分布情况,通过计算统计特征量和标准图库中图像统计特征量之间的夹角,确定待识别目标,利用该方法对图书条形码进行识别.研究结果表明:采用小波变时频特性对图像进行去噪处理以及边缘检测,能够剔除图像噪声干扰并充分保留原始图像信息;将小波变换后的近似系数、水平、垂直和对角部分的细节系数作为统计特征量,提取的特征量跟模板图像的统计特征量进行相似度匹配,将两个特征向量的夹角余弦作为相似度的衡量指标,根据夹角余弦的大小确定该区域是否目标区域.     

一种基于小波系数方向性的矢量分类方法

针对基于小波变换和矢量量化的图像压缩算法,利用小波变换后系数具有明显方向性的特点以及带内小波系数的相关性,提出一种基于小波系数方向性的矢量分类方法,同时采用一种基于小波系数排序截断的阈值选取方法.实验表明该分类方法原理简单易于实现,提高了算法的整体效率,对不同的图像具有分类效果稳定的优点.