高精度合成地震记录制作技术研究

制作高精度的合成地震记录是精细储层描述的基础，本文在分析合成地震记录原理的基础上，从地震剖面的极性判断、平均速度的选取，反射系数的准确提取，子波的精确估算等方面对制作合成记录的要点进行了分析，通过提高以上四方面的精度，提高了制作合成地震记录的精度，并提出了一套可行的合成地震记录的检查方法。     

一种基于模糊集的医学图像增强方法

鉴于医学超声图像的对比度较差，使得某些图像细节难以辨认，采取基于小波包和模糊集的图像增强方法。结果表明，此增强方法能够增强图像微小细节，提高图像对比度，改善图像的视觉效果，从而提高诊断的准确性。     

基于双正交小波和加权NLDA的人脸识别

文章针对基于零空间线性判别分析方法在高维多类别的人脸识别应用中存在的“次优性”和“效率低”两个问题,提出了一种改进方法.该方法用加权函数重新定义类间离散矩阵以减弱边缘类带来的不良影响来改善次优性问题;并对图像进行双正交小波分解来降低分辨率以到达提高效率的目的.最后在ORL人脸库上进行了实验,通过实验确定了最优加权系数和小波分解的最佳层数,并验证了该方法比基于零空间线性判别分析方法有更高的效率和识别率.     

基于森林火灾平台的红外图像识别技术研究

森林火灾探测一直是森林资源保护工作中的老大难问题。早期的火灾探测技术多是基于火灾的烟雾和温度特征的,但其判别标准过于单一,误报率较高。随着计算机技术的发展和红外探测器的发明,出现了基于红外图像处理的森林火灾防护技术,该技术主要对红外探测器获得的森林现场的红外图像进行一定的处理后识别图像中是否有火灾出现。本文的主要工作是进行红外图像增强算法的研究,通过对各种算法的描述和仿真实验结果分析,提出一种相对较适合森林背景红外图像的处理算法一将基于频域处理的提升小波变换与直方图修正结合起来的红外图像增强算法。     

锡膏激光扫描三维测量系统光强自适应调节技术

根据锡膏激光扫描三维测量系统在测量PCB电路板时底板和锡膏对激光光强的散射效果不同,设计并研制了一套光强自适应调节光源。该光源以程控电源为基础,分析光条中心提取效果与激光光强的关系,应用小波分解与频带能量比相结合的光强自适应调节算法实现测量系统光强自适应调节功能。进行了相关实验,实验结果表明该光源能够很好地实现锡膏激光扫描三维测量系统的激光光强自适应调节,并能选出最适合测量的激光光强,具有很好的适用性。     

曲线曲面小波变换的边界连续性保持

现有的小波分解边界连续性保持方法由于将去除的节点全部插回,摒弃了数据压缩特性.为此在曲线小波分解边界处理方面提出2种基于数据压缩的连续性保持方法:一是插入与Cr连续相关的节点,然后调整相应的控制顶点与高分辨曲线的控制顶点保持一致;二是不插入节点,直接调整与Cr连续相关的控制顶点.在曲面方面,提出了曲面分裂法和T曲面法:通过插入重节点把曲面分裂成边界部分和中心部分并对边界部分插入节点,再调整相应的控制顶点与高分辨曲面的重合;构造了T网格,使其边界部分与高分辨曲面一致,中心部分与低分辨曲面一致.最后把T曲面方法推广到周期曲面小波变换边界处理上.实验结果表明,文中方法既保证了小波分解后模型的边界连续,又保留了数据压缩特性.     

基于颜色空间映射的自适应足球机器人视觉系统

为了解决足球机器人比赛中视觉信息检测问题,给出基于嵌入式多处理器体系结构的视觉系统框架,并研究了一种自适应阈值目标分割方法。该方法将视觉系统采集的图像从YCbCr颜色空间转换为一维颜色映射图像,并提出基于竞争学习的空间映射方法。同时使用小波变换方法来平滑颜色映射空间直方图和降低阈值搜索维数。然后使用基于映射图像直方图动态搜索阈值的方法来分割图像。最后,通过实验表明研究的视觉系统的有效性,能够实时准确地完成视觉处理任务。     

基于LabVIEW的超声信号小波阈值去噪方法

图形化编程软件LabVIEW具有强大的信号采集功能,但对于需要进行大量数据运算处理的复杂应用就显得力不从心。数学工具软件MATLAB强大的计算功能及较高的编程效率可以弥补LabVIEW开发的不足。文中结合两者软件的优点,采用混合编程的方法进行实际工程的去噪处理,同时针对超声缺陷回波信号信噪比低、易于被噪声淹没的特点,选取小波阈值去噪的方法,通过调用LabVIEW里的MATLAB Script节点对信号进行仿真实验,仿真结果表明采用stein的无偏风险阈值去噪的方法消噪效果最为明显,得到较高的信噪比。     

基于形态学和小波变换的心电信号去噪算法

在处理心电信号采集过程中混入的基线漂移、工频干扰及肌电干扰等噪声的过程中,小波变换取得了广泛的应用。针对小波算法的缺陷及不足,提出了一种基于数学形态学和小波阈值的混合算法。该算法利用非线性形态学滤波器滤除基线漂移,将获得的含高频噪声心电信号通过小波阈值算法进行处理,最后获得无噪声的ECG（心电）信号。采用MIT/BIH Arrhythmia Database中的数据对算法进行了验证,实现了三种主要干扰的滤除,本算法效果良好,为后续特征点的识别奠定了基础。