基于小波分析的直线拟合及应用

直线是图像分析中非常重要的描述符号。对工业控制中的现象进行图像处理时通常用到最小二乘法对直线拟合。对于估计精度要求较高的情形,传统最小二乘法往往不能满足要求。基于此,本文将离散小波变换和传统最小二乘法相结合,建立了一种基于小波测量预处理的最小二乘估计的新型解法,获得了比传统最小二乘法好得多的估计结果,实验证明了该方法的有效性及高精度性。     

基于小波域数据的Hammerstein模型参数估计

针对非线性离散Hammerstein模型的输出存在随机噪声情况下,提出直接利用小波域的输入输出数据,估计出该模型的参数的方法。最小二乘法是时域参数估计的主要方法,随着对小波理论的深入研究,它在信号处理方面起着重要的作用。信号经过小波变换后,得到具有时频特征的小波域的信号,提高了信号的信噪比,去噪结果比时域和频域更有效。通过小波最小二乘法估计出模型的参数,与时域最小二乘法的估计参数相比较,仿真结果表明波域方法是可行的,有效的。     

基于小波域数据的线性ARMAX模型参数估计

线性时不变系统离散ARMAX模型在随机噪声情况下影响输出精度。为此提出直接利用小波域的输入输出数据,估计出模型的参数的方法。最小二乘法是时域参数估计的主要方法,随着对小波理论的深入研究,在信号处理方面起着重要的作用。信号经过小波变换后,得到具有时频特征的小波域的信号,方便进行去噪的处理,去噪结果比时域和频域更有效。通过小波最小二乘法估计出模型的参数,与时域最小二乘法的估计参数比较,仿真表明改进方法是可行性和有效性。     

基于卡尔曼滤波算法的最小二乘拟合及应用

图像处理或在工业控制中经常要用到最小二乘直线拟合,对于有奇异点的直线拟合,传统的最小二乘法拟合误差较大,难以满足较高精度的要求。卡尔曼滤波算法具有最小无偏方差性,能够去除测量系统中的随机误差,将卡尔曼滤波算法与传统最小二乘法结合,建立了一种基于卡尔曼滤波预处理的最小二乘估计的新方法,获得了比传统最小二乘法效果更好的估计结果。试验证明了该方法的有效性和高精度性。     

TLS估计的小波自适应零值绝缘子红外热像去噪

为了弥补传统Bayes估计的小波去噪方法依赖于小波系数先验分布模型的不足,针对零值绝缘子红外图像具有低信噪比特点,提出了基于总体最小二乘(TLS)估计的小波自适应零值绝缘子红外热像去噪方法。受噪声污染的零值绝缘子红外图像经小波变换后,不处理低频小波系数,获取各尺度、各方向的高频小波系数进行总体最小二乘估计,对估计后的小波系数进行逆变换得到去噪后的图像。实验结果表明,该方法与软阈值法和Bayes估计法相比,能够有效去除噪声,保留了图像的细节信息,去噪效果良好。     

基于小波网络的非线性系统建模与控制

提出了种基于小波网络的非线性系统的建模和控制方法。使用小波网络对未知控制系统建立一步预测模型,基于Ｄｓａｖｉｄｏｎ最小二乘法得到自适应控制律。小波网络的权值由广义递推最小二乘法来学习,尺度参数和平移参数通过稳定的Ｄａｖｉｄｏｎ最小二乘法来获得。仿真结果表明了该方法的有效性。     

基于小波模糊网络的非线性函数逼近方法的研究

针对非线性函数逼近问题，提出了一种新的融合策略——小波模糊网络;该网络将模糊模型引入小波网络，采用正交最小二乘法筛选小波，利用推广卡尔曼滤波算法调整网络非线性参数，避免陷入局部最优，提高学习速度，并采用最小二乘法修正权值，在不增加小波基函数的基础上提高网络的逼近精度；通过仿真，该网络的准确性和泛化能力都优于传统的小波神经网络，具有广泛的应用前景。     

基于IGG抗差最小二乘法的三相配电网谐波状态估计

针对传统最小二乘法在谐波状态估计量测数据中混有粗差时的处理能力不足,提出了一种基于IGG法的抗差最小二乘法。抗差估计是统计学里面常用的一种针对数据中含有粗差的处理方法,而抗差最小二乘法就是将抗差估计和最小二乘法相结合的一种新的估计方法。该方法对量测数据进行降权、保权和淘汰,改善量测数据的权重,从而抵御了粗差对估计结果带来的恶劣影响。同时,目前大多数的配电网谐波状态估计模型采用简化的单相模型,并未考虑配电网三相不平衡的特点,本文建立了配电网的三相数学模型,并采用IEEE33节点系统进行仿真分析,在量测数据中混有粗差时分别运用抗差最小二乘法和传统最小二乘法求解并对估计结果进行误差对比,算例结果表明了抗差最小二乘法具有较强的抗差能力且估计精度优于传统最小二乘法。     

小波递推最小二乘法的ARMAX模型参数估计

研究辨识系统优化问题,针对线性时不变ARMAX模型的参数估计,为了提高辨识精度,提出了直接利用小波域的数据,递推估计出模型的参数的方法.首先将时域的输入输出信号采用小波变换,得到了具有时频特征的小波域信号,可进行去噪方面的处理,去噪结果比时域和频域更有效.然后,利用小波递推最小二乘法对ARMAX模型进行参数估计,通过与时域递推最小二乘法的估计参数比较,仿真结果表明提出的方法是有效的.     

基于小波去噪与变换域的信道估计方法

针对长期演进(LTE)下行正交频分复用(OFDM)系统的最小二乘(LS)信道估计算法对噪声比较敏感的问题,提出了一种基于小波变换去噪与变换域插值相结合的信道估计方法.该方法通过在最小二乘(LS)估计之后加入小波阈值去噪过程,再通过变换域低通滤波插值估计进行双重去噪处理.计算机仿真结果表明,该估计方法能够有效地去除加性高斯白噪声,比一般的LS估计算法性能要好,在一定程度上弥补了LS估计算法对噪声敏感的缺陷.     

图像小波边缘检测中边界处理的研究

工程应用中需要处理的信号通常都局限在有限的时域或频域之中。在处理这些数据时，多数变换方法都要求在边界处做某种延拓处理，小波变换也不例外。而传统的延拓方法在前后两个边界处都会产生伪边缘，并且在延拓时还需考虑滤波器系数长度的奇偶性。为了解决这些问题，文章对图像小波边缘检测中传统的边界处理方法进行了研究，并对其进行了改进，即采用右边界延拓法消除了左边界处的伪边缘，减少了伪边缘的数目。在此基础上又进一步提出了右边界右端点延拓法，在边缘检测中取得了非常好的效果，不仅消除了传统边界处理方法产生的伪边缘，而且在延拓时不需要考虑滤波器系数长度的奇偶性，为实际工程应用带来了方便。     

基于小波分解的车牌定位算法

提出了一种基于小波分解的方法来定位车牌。该算法利用数学形态学对边缘图像进行处理，并进行小波分解，只需要进行水平扫描，克服了传统算法中需要水平和垂直扫描的弊端，同时有效地抑制了车辆边缘的干扰信息。     

方块填充法:一种新的图像压缩编码算法

小波变换后，图像的小波系数中含有的大量零系数。文章根据图像的小波系数的这一统计特性提出了一种新的图像压缩编码方法。即方块填充法。利用图像小波系数的特征，对零系数比较密集的区域进行方块填充，并对各个方块进行标识，然后对填充后的小波系数编码。就可以用很少的比特描述比较多的零系数。实验结果表明。与零树编码方法相比，在大大节约运算量的同时，也获得了很大的数据压缩率。     

基于小波域边缘方向特征的SAR图象噪声抑制方法

给出了一种新的基于小波变换的合成孔径雷达 (SAR)图象斑点噪声抑制方法 .利用每一级小波分解得到的小波系数子带 HL和 L H,以及对原图进行水平方向旋转正负 4 5°扫描后得到的另外两个正交方向的小波系数子带 rc HL和 ra HL ,可以判断出对应点边缘方向性的强弱 ,通过设定方向性阈值 ,确定该点是否位于边缘上 ,进而对没有位于边缘的点进行平滑 ,达到保留图象边缘的同时 ,抑制斑点噪声的目的 .为解决对某些振荡型边缘的检测问题 ,还结合阈值法 ,对该方法做了改进 .实验表明 ,与小波域的硬阈值或软阈值去噪方法相比 ,此方法在有效地抑制斑点噪声的同时 ,更好地保留了 SAR图象中的边缘和纹理信息 .     

基于WTMM的多重分形图像去噪算法

提出一种新的多重分形图象去噪算法,讨论了基于小波极大模的多重分形谱估计算法。在此基础上推导了图像取噪声的谱移位算子。该方法没有对噪声的类型提出任何假设条件,而是通过定义一个变换算子对每一点的Hausdorf指数进行处理,使处理后的图象的Hausdorf指数接近于2,从而取得最佳效果。实验结果表明,该方法在去除噪声的同时可很好地保留了原始图像的纹理信息。     

基于边缘检测的图象小波阈值去噪方法

边缘特征是图象最为有用的高频信息，因此，在图象去噪的同时，尽量保留图象的边缘特征，应是图象去噪首要顾及的问题。基于这一思想，提出了基于边缘检测的图象小波阈值去噪方法。该方法在去噪之前，先通过小波边缘检测方法确定哪些小波系数是图象的边缘特征，这些小波系数将不受阈值去噪的影响，因此，可以只是根据噪声方差来设置去噪的阈值，而不必担心损害图象的边缘特征。理论分析和实验结果都表明，与普通的小波阈值去噪方法相比，该方法不但可以保持图象的边缘信息，而且能提高去噪后图象的峰值信噪比1-2dB。要做到既去除图象噪声，又不模糊图象边缘特征是很困难的。该方法把去噪和边缘检测结合起来，在一定程度上解决了这种两难的问题。     

可视化遥感图像坐标位置距离远程测量仿真

针对传统的图像坐标位置测量方法存在测量误差较大、测量时间较长等问题,提出基于脊波变换的可视化遥感图像坐标位置距离远程测量方法。引入小波系数变换算法对含噪的可视化遥感图像进行计算,获取相应的小波系数,构建多元统计模型,利用最小二乘法对模型参数进行求解,获取噪声图像与其对应的小波系数估计值,将估计值进行小波重构,得到的估计信号视为去噪后的遥感图像。在去噪后的图像待测量位置描绘一条直线,对直线上的灰度值进行脊波变换,通过变换后的脊波系数确定可视化遥感图像的坐标位置,计算直线两端坐标点的距离,实现可视化遥感图像坐标位置距离测量。实验结果表明,所提方法有效降低了测量误差,减少了测量时间。     

基于小波变换的图象放大方法再探讨

图象放大 (又称图象变焦、图象重采样 )问题严格地说是一个病态问题 ,根据不同的模型 ,人们先后提出了多种图象放大方法 ,如线性插值、三次样条插值、分形插值以及基于小波变换的方法等 .图象放大问题的焦点是如何在图象放大过程中保持良好的视觉分辨率 ,表现在基于小波变换的图象放大方法中就是如何构造图象高频分量的问题 .针对目前常用的变换域内插方法 ,在一维信号上所作的模拟实验表明 ,该方法并不合理 .对常用的几种图象放大效果评价的方法进行了比较分析 ,结果认为 ,最理想方法还是多人主观评判法 .由于小波高频系数构建问题并未有理想方案 ,因此 ,对小波基函数的选择问题必须作进一步研究 .     

一种基于图像边缘检测的小波阈值去噪方法

边缘特征是图像最有用的高频信息，因此，在图像去噪的同时，应尽量保留图像的边缘特征。为实现这一想法，提出了一种基于图像边缘检测的小波阈值去噪新方法。该方法在去噪前,先用定位精度高的小尺度LOG算子检测图像的边缘，对检测出的边缘进行均值平滑滤波，以减少边缘图像中的孤立点噪声；进而再对图像边缘和含噪图像分别进行小波分解，根据分解后的小波系数以确定图像的边缘特征和非边缘特征；最后，再对图像边缘对应的小波分解系数进行小阈值处理，而对非边缘的则进行大阈值处理，从而实现了在去噪的同时保留了图像边缘特征的目的。实验结果表明，与普通的小波阈值去噪方法相比，该方法可有效地保持图像的边缘信息，去噪效果则优于前者。