融合小波变换和编解码注意力的异常检测

针对视频异常检测中对正常视频预测不准确、学习正常特征的能力欠佳的问题,提出融合小波变换和编解码注意力的异常检测模型。模型中引入多级离散小波变换,设计了一种离散小波变换融合模块,将由视频帧分解得到的多个子带图拼接,传入深度可分离卷积,再与编码器特征融合,以弥补下采样过程中丢失的高频细节信息;构建了一种编解码注意力模块,通过对编码器特征图进行高斯差分操作,然后分别沿水平和垂直方向获取注意力权重,再根据权重聚合编码器特征,最后关联解码器特征,增强网络对正常事件的学习。在Ped1、Ped2、Avenue数据集上的实验表明,采用提出的模块使模型的AUC分别提升了3.2%、3.1%、2.0%,说明该模块能有效提高模型检测异常的能力。     

基于小波系数块的运动补偿

提出基于小波系数块的运动补偿算法.所谓小波系数块是指图像的部分小波系数,它 们只与图像的某个局部相关.该文提出的算法先在时空域进行运动估计,得到预测块的运动矢 量.然后利用小波系数的局部空频特性,在小波变换域用参考块的小波系数块对预测块的小波 系数块进行补偿.在时空域进行运动估计,可以充分利用视频编码多年来在运动估计方面的研 究成果.在小波变换域上进行运动补偿,则避免了产生额外的频率成分.文中的理论分析和实验 结果都表明,所提出的算法要优于常用的小波视频编码算法.     

T-STAM:基于双流时空注意力机制的端到端的动作识别模型

针对双流法进行视频动作识别时忽略特征通道间的相互联系、特征存在大量冗余的时空信息等问题,提出一种基于双流时空注意力机制的端到端的动作识别模型T-STAM,实现了对视频关键时空信息的充分利用。首先,将通道注意力机制引入到双流基础网络中,通过对特征通道间的依赖关系进行建模来校准通道信息,提高特征的表达能力。其次,提出一种基于CNN的时间注意力模型,使用较少的参数学习每帧的注意力得分,重点关注运动幅度明显的帧。同时提出一种多空间注意力模型,从不同角度计算每帧中各个位置的注意力得分,提取多个运动显著区域,并且对时空特征进行融合进一步增强视频的特征表示。最后,将融合后的特征输入到分类网络,按不同权重融合两流输出得到动作识别结果。在数据集HMDB51和UCF101上的实验结果表明T-STAM能有效地识别视频中的动作。     

RDWT域全相位子带运动补偿视频编码方法

当前小波视频编码技术的一个研究热点是如何提高运动补偿的效率．提出了一种基于RDWT（冗余离散小波变换）域的奎相位子带运动补偿视频编码方法．运动补偿过程在参考帧和当前帧的RDWT域进行，使用提出的RDWT小波块结构，利用RDWT域的全相位子带信息提高运动补偿效率．在RDWT域形成预测数据后变换到空域得到预测帧和残差帧，对残差帕进行DWT变换，SPECK小波系数编码．实验表明提出自寺方法获得了较好的编码效率．     

基于多尺度注意力机制的道路场景语义分割模型

通过对道路场景进行语义分割可以辅助车辆感知周边环境,达到避让行人、车辆以及各类小目标物体障碍的目的,提高行驶的安全性。针对道路场景语义分割中小目标物体识别精度不高、网络参数量过大等问题,提出一种基于多尺度注意力机制的语义分割模型。利用小波变换的多尺度多频率信息分析特性,设计一种多尺度小波注意力模块,并将其嵌入到编码器结构中,通过融合不同尺度及频率的特征信息,保留更多的边缘轮廓细节。使用编码器与解码器之间的层级连接,以及改进的金字塔池化模块进行多方面特征提取,在保留上下文特征信息的同时获得更多的图像细节。通过设计多级损失函数训练网络模型,从而加快网络收敛。在剑桥驾驶标注视频数据集上的实验结果表明,该模型的平均交并比为60.21%,与DeepLabV3+和DenseASPP模型相比参数量减少近30%,在不额外增加参数量的前提下提升了模型的分割精度,且在不同场景下均具有较好的鲁棒性。     

一种新的小波域视频可分级运动估计方案

首先提出了一种运动估计方法MLBS（Modified Low Band Shift），并在此基础上提出了基于MLBS的小波域视频可分级运动估计方案MLBSSME．利用MLBS方法，提高了运动估计的准确度．借助重叠块运动补偿方法，有效降低了最高分辨率下解码图像的块效应．根据小波变换的多分辨率特性，利用缩小了的搜索窗口提高了搜索速度．这种方法可有效应用于空间可分级和数率可分级的视频编码器中．实验结果证明，对于多种类型的标准测试视频流，MLBSSME算法始终能保持很高的估计精度．利用该算法补偿得到的预测帧，其PSNR较之基于下层LL子带的分层运动估计方法和子带直接运动估计方法平均要高出1～3dB，而对于空间细节较简单的视频，其PSNR比LBS方法提高了0．5～1dB，并且算法的时空复杂度是LBS方法复杂度的30％～40％．     

基于三维小波变换视频片断检索技术研究

提出了一种基于三维小波的视频片断检索的新方法,该方法克服了传统视频检索方法中未考虑的时空关系.首先利用低频子图小波系数的标准方差均值对目标视频库进行初步筛选,然后对利用八叉树算法提取细节特征,进一步的把细节特征和近似特征组合起来对图像进行精确的检索.实验证明,该方法具有更好的检索精度.     

融合外部属性的短时交通流预测研究

针对现有交通流量预测算法大多仅考虑常态下的预测,而未考虑天气属性、周围地理属性对预测结果的影响,提出一种融合外部属性的组合预测模型（A-STIGCN）。首先,将外部属性作为路网中路段的属性,同时对路段的属性和交通特征进行建模,得到增强的特征向量。其次,采用图小波变换和自适应矩阵分别提取交通流局部和全局空间特征信息,并借助门控循环单元（GRU）对时间信息的长时记忆能力以提取其时间特性。最后,通过注意力机制来捕获时空动态变化性进行交通流预测。采用深圳出租车轨迹数据、对应天气数据以及POI数据进行预测,研究结果表明：A-STIGCN组合模型预测效果优于传统线性模型及变体模型,与未引入注意力机制的ASTGCN模型相比,MAE降低了约0.131,精度提高了0.068,与未引入外部因素的TGCN模型对比分析,MAPE降低了约0.637%,精度提高了0.079,从而更好地为交通管理提供指导意见。     

基于注意力机制的3D DenseNet人体动作识别方法

传统人体动作识别算法无法充分利用视频中人体动作的时空信息,且识别准确率较低。提出一种新的三维密集卷积网络人体动作识别方法。将双流网络作为基本框架,在空间网络中运用添加注意力机制的三维密集网络提取视频中动作的表观信息特征,结合时间网络对连续视频序列运动光流的运动信息进行特征提取,经过时空特征和分类层的融合后得到最终的动作识别结果。同时为更准确地提取特征并对时空网络之间的相互作用进行建模,在双流网络之间加入跨流连接对时空网络进行卷积层的特征融合。在UCF101和HMDB51数据集上的实验结果表明,该模型识别准确率分别为94.52%和69.64%,能够充分利用视频中的时空信息,并提取运动的关键信息。     

Loop细分小波对网格模型的多分辨率分析

高分辨率网格模型因其数据量庞大,对其在网络中很难进行实时处理,因此,根据Loop细分模板,将边点作为小波的细节信息构造出了Loop细分小波,用于对网络模型进行多分辨率分析.该方法未涉及曲面几何拓扑关系,因而不受曲面拓扑特征的影响,具有很强的适应性.利用其对三维网格模型进行多分辨率分析,得到的低分辨率模型轮廓逼真,面片数量大幅度减少.由于该方法对细节信息取舍尺度还不能用统一的公式确定下来,因此只适合对模型做一些简单的处理.     

小波分析理论与图像降噪处理

简要介绍了小波分析基本理论中的小波变换和小波包变换,重点论述了小波分析在图像降噪处理中的应用及其算法流程。在此基础上,利用Matlab R2007进行了图像去噪仿真测试,并对仿真结果进行了分析。结果表明,利用小波分析理论进行图像降噪处理,能够取得较好的降噪效果。     

基于小波理论的神经网络模型构造

小波神经网络是由小波分析理论与神经网络理论结合而成的一种神经网络 ,一般来说 ,小波分析与神经网络的结合有两种不同的方式 ,即辅助式结合 (松散式结合 )方式和嵌套式结合 (紧致式结合 )方式。分别对这两种结合方式作了详细描述 ,并且给出了不同结合方式下的各种小波神经网络模型以及相应的学习算法。     

汽车轮速信号的小波包分析

小波分析是近年来发展起来的一种有效信号处理技术,但由于其时频分解尺度是按二进制变化的,所以在高频段其频率分辨率差,而在低频段其时间分辨率较差。小波包分析是更加精细的信号处理方法,它将频带进行多层次划分,对低频和高频部分同时进行分解,不同于小波分析之处在于把细节部分也回归地作为镜像滤波器的输入,产生一系列小波包的集合,然后应用某种代价函数来选择最佳子集。研究结果表明采用小波包方法比小波分析法能够更加有效地去除轮速信号中的各种干扰。     

小波分析及其在控制中的应用

对小波分析的主要研究方向和特点进行综述,并阐述了小波分析在模型辨识、有约束问题的求解等控制领域中的应用,特别论述了小波神经网络的结构、学习算法及其优良的逼近性能,最后介绍了目前已有的基于小波分析的自适应控制方案,并对未来的研究做了探讨。     

基于小波变换理论的信号分析的研究探讨

本文对比了传统的信号分析方法,讨论了连续小波变换理论,并运用实例分析来对小波应用进行说明。     

小波分析在故障诊断中的应用

在简单介绍小波分析的发展和基本原理的基础上，系统综述了小波分析在故障诊断中的研究进展与状况，详细介绍了小波分析在故障诊断中应用的各种方法。重点阐述了小波分析信号处理的故障诊断方法，以及小波分析与各种智能理论与技术结合的故障诊断方法，如小波分析与神经网络相结合的方法、小波分析与模糊理论相结合的方法和小波分析与数据融合等理论相结合的故障诊断方法，并对各种方法做了分析与讨论。分析了小波分析在故障诊断中的应用研究现存的几个问题，并对解决这些问题和未来的发展进行了探讨。     

基于Bayes阈值估计的小波在转子故障信号降噪中的运用

提出了一种有效的转子故障信号的降噪方法.该方法利用概率统计的最优估计原理对样本信号进行估计,增加了小波阈值参数的可靠性.根据Bayes估计风险最小的原则,对不同子带的小波系数估计小波阈值,通过软阈值函数进行逐层降噪,对降噪后的信号进行重构,达到对转子故障信号降噪.把从多功能振动实验台上取得的转子故障振动信号,利用该方法进行降噪.并将降噪结果与Birge-Massart小波阈值降噪法和Donoho小波阈值降噪法的处理结果进行比较,结果显示使用Bayes(贝叶斯)阈值估计降噪法处理的信号能够很好地保留信号的细节部分,而且信噪比(SNR)也有明显提高.     

小波方差在信号特征提取中的应用

根据小波变换的特点,引入了单一尺度下的小波方差,研究了其在反映随机信号的统计特征方面的特点,以及在信号特征提取中的应用.最后,以一类石油测井信号为实例,分别利用小波方差分析和提取信号在强噪声环境下的特征脉冲.研究结果说明:小波方差是表征信号能量的一个物理量,也是提取非平稳信号的特征的有效方法.     

小波分析应用于直流系统接地故障检测

针对直流系统接地故障检测中常用的低频信号注入法容易受到各支路电缆中存在的对地电容的影响这一问题，提出了利用小波分析实现故障信号特征的提取的方法。分析了低频信号注入法的原理及存在的缺陷，针对其故障信号的特点，提出了基于小波变换的直流系统接地故障检测方案。基于小波去噪的原理，通过选择适当的小波函数，对支路电流信号进行分析和处理。经过仿真实验分析。表明该方法可以克服对地电容对接地故障检测的不利影响，完成故障信号分析，实现故障支路的准确定位。     

一种双正交小波的设计方法

首先介绍了小波变换的基本原理，并在此基础上说明了如何根据所要分析的信号设计双正交小波。实践结果表明，将基于特定信号设计的双正交小波变换技术应用到图像处理上会有很好的效果。