小波变换在信号突变点检测中的应用

从实际应用的角度出发,根据小波变换时-频分析自适应特性,本文详细阐述小波变换理论和小波变换在信号突变点检测中的应用,并具体实现了小波变换在信号突变点检测的相关算法。     

基于分数阶小波变换的图像隐写分析

为了提高现有的图像隐写分析算法的检测性能,提出一种基于分数阶小波变换的图像隐写分析算法。该算法首先通过二维分数阶小波变换将图像映射到分数阶小波时频域内。然后在时频域内使用主成分分析提取隐写图像高频子带的主成分特征统计量、计算主成分的信息熵、构建敏感特征向量。最后采用支持向量机(SVM)对该算法所提特征进行分类。通过仿真实验利用所提算法分别对三种隐写算法下不同嵌入率的隐写结果进行检测,结果表明该算法可有效提高隐写分析准确率。     

基于突变信号检测的光学标记识别图像分割方法

针对无定位信息的光学标记识别(OMR)图像填涂区的精确定位问题,提出了一种基于小波变换突变信号检测的图像分割方法。该算法首先计算图像的水平和垂直投影函数,然后投影函数经过迭代小波变换后检测其突变点,突变点能够精确地反映OMR信息的边界位置。检测算法的适应性基于有限次数的小波变换和突变信号检测过程。实验结果表明该算法具有较高的分割精度和稳定性,分割精度均方差可以达到0.4167个像素。而且由于算法只使用图像的水平和垂直投影信息,因此具有较高的执行效率;投影函数的统计特性和小波变换的多分辨特性则使得该分割算法对噪声不敏感。     

基于正交小波变换的稀疏权盲均衡算法

为增强盲均衡算法的工程可实现性,在分析正交小波变换理论和超指数迭代盲均衡算法的基础上,利用正交小波变换对超指数迭代(SEI)算法的权向量迭代公式进行修正,同时利用分数间隔均衡器的优点来提高带宽利用率,提出一种基于正交小波变换稀疏权盲均衡算法(FSE-WT-SEI-SW).该算法利用正交小波变换良好的去相关性来加快收敛速度,通过对权向量的稀疏来减少算法的计算量,有利于工程的实现.水声信道的仿真结果验证了算法的有效性.     

基于小波的指纹特征点提取算法研究

提出一种新型的基于小波的指纹特征点提取算法.该算法利用haar小波基对指纹图像进行小波变换,提取小波系数并对其进行分析,经观察发现不同指纹细节特征点的分布与小波系数的分布存在一定的关系,根据小波系数分布的变化,可以确定细节特征点的具体位置及其类型.实验结果表明该算法对指纹特征点提取效果良好.     

用兴趣点凸包和SVM加权反馈实现图像检索

针对采用环状颜色直方图的图像检索方法存在的不足,提出一种基于兴趣点凸包的图像特征提取方法,通过对用小波变换检测出的必趣点递归求出它们的凸包,并将每个凸包上的兴趣点按一定的算法安插在相应的桶内,对每个桶求出颜色直方图,利用桶与桶之间的相似度定义两幅图像的相似度.这种特征提取方法可有效抑制兴趣点集合中出现游离兴趣点的情况,结合基于兴趣点的空间离散度和Gabor小波纹理等特征实现图像检索,可有效提高图像检索精度.最后,提出一种新的相关反馈方法,通过利用支持向量机分类结果设置权值来改进移动查询点相关反馈方法.实际图像数据库上的实验表明,引入这种反馈方法后可将图像检索的查准率提高20%左右,查全率提高10%左右.     

孤立点检测的一类支持向量机方法研究

孤立点是不具备数据一般特性的数据对象,One-Class支持向量机将数据点映射到高维空间,通过划分距离坐标原点最远间隔的超平面来发现孤立点.该学习算法在应用中误检率比较高,另外模型参数不易选择.由此,本文将无监督的One-Class支持向量机同监督学习方法相结合,提出了一种新的检测算法,利用ROC(受试者工作特征)分析作为评价依据,在限定范围内自动搜索最优参数,进而通过调节阈值获得孤立点检测决策函数.仿真实验结果表明,该算法简单有效,易于推广到实际应用中.     

基于小波特征点的图像检索算法

点匹配技术在基于内容的图像检索中已被广泛使用.提出了一种新的基于小波变换和Barnard算子的彩色特征点检测算法.首先,将彩色图像分解为3个通道并分别对每个通道作小波变换;其次,对一给定的小波系数,通过模极大值可以在高分辨率子图像中找到与之最相关的一个系数,对于第1层小波系数,通过Barnard算子在原始图像数据中查找潜在特征点;最后,通过自适应门限和连续点集约减算法得到最终的特征点.实验表明,该方法提取的特征点具有很强的鲁棒性并能对图像进行有效的表示,可以有效提高图像检所的准确率.     

阶跃型奇异点的小波检测

在检测实际系统信号问题上,阶跃型奇异点是一类重要的信号奇异点,针对检测和定位在许多实际问题上都有重要的意义。根据阶跃型奇异点的特征,证明了信号的阶跃奇异点与信号小波变换的最值有关,如果适当选择小波基函数,那么信号的阶跃奇异点将对应于信号小波变换的最值点。据此提出了一个利用小波变换最值的阶跃奇异点检测方法,并给出了小波基选择条件。最后利用上述方法对大量仿真信号及实际音频信号上的阶跃奇异点进行检测,结果表明研究有方法不仅有效可靠,而且具有计算简单,定位准确的特点。     

小波变换阈值选取的博弈与图像边缘点检测

介绍了小波变换的理论,从一维空间小波变换故障信号检测实例出发,分析应用小波变换进行信号突变点检测时,阈值选取对消除噪声和信号真实突变点检测的影响,引出小波变换阈值选取的博弈观点;通过软件编程实现小波变换和模极大阈值法图像边缘点的提取,对比选取不同阈值时边缘点图像实例的效果,进一步讨论了阈值优化的博弈结论和相关技巧;认识和应用此结论不仅可以有效减小噪声,而且可以更加准确地提取图像边缘点,实验证明效果很好.     

用点Hough变换实现圆检测的方法

给出了一种新的Hough变换圆检测方法——点Hough变换(PHT)。该方法根据圆周上任意两条不平行弦的中垂线相交与圆心的几何性质，同时选取曲线上3点进行计算，将传统Hough变换圆检测时的三维参量统计变成一维参量统计，极大地降低了计算复杂性和对资源的需求。为了克服任意选取组合点可能带来的计算量增加及统计结果的分散程度提高，文中提出了点的选择方法。合成图和实际图像的实验结果表明，该方法用于普通图像中圆检测时快速、稳定、准确。     

小波分析和支持向量机相融合的语音端点检测算法

为了提高语音端点检测的适应性和鲁棒性,提出一种基于小波分析和支持向量机的语音端点检测算法。首先利用小波变换提取语音信号的特征量,然后将这些特征量作为支持向量机的输入进行训练和建模,最后判断出该信号的类别。仿真实验表明,相对于传统的语音端点检测算法,小波分析和支持向量机的检测算法提高了语音端点检测的正确率,有效降低了虚检率和漏检率,具有更好的适应性和鲁棒性,对不同信噪比的信号都有较好的检测能力。     

基于混合方法的多维时间序列驾驶异常点检测

针对传统异常点检测模型难以准确分析汽车驾驶异常行为的情况,建立一种基于自动编码器与孤立森林算法的多维时间序列汽车驾驶异常点检测模型。利用滑动窗口计算原始多维时间序列范数、范数变化率及相关统计信息值提取数据特征,通过自动编码器重构特征数据,并结合孤立森林算法实现异常点检测。实验结果表明,与基于LOF、OCSVM、iForest和LSTM-AE的异常点检测模型相比,该模型的召回率和F1度量值可分别提升至6%和2.4%以上,综合性能更优。     

小波变换阈值选取的博弈与图像边缘点检测

介绍了小波变换的理论，从一维空间小波变换故障信号检测实例出发，分析应用小波变换进行信号突变点检测时，阈值选取对消除噪声和信号真实突变点检测的影响，引出小波变换阈值选取的博弈观点；通过软件编程实现小波变换和模极大阈值法图像边缘点的提取，对比选取不同阈值时边缘点图像实例的效果，进一步讨论了阈值优化的博弈结论和相关技巧；认识和应用此结论不仅可以有效减小噪声，而且可以更加准确地提取图像边缘点,实验证明效果很好。     

基于邻域离散度的异常点检测算法

异常点检测在机器学习和数据挖掘领域中有着十分重要的作用。当前异常点检测算法的一大缺陷是正常数据在边缘处异常度较高,导致在某些情况下误判异常点。为了解决该问题,提出了一种新的基于邻域离散度的异常点检测算法。该算法将数据点所在邻域的离散度作为该数据点的异常度,既能有效避免边缘数据点的异常度过高,又能较好地区分正常点与异常点。实验结果表明,该算法能够有效地检测数据中的异常点,并且算法对参数选择不敏感,性能较为稳定。     

基于自适应阈值的船舶轨迹异常点检测算法

定位技术的快速发展催生了轨迹大数据,轨迹数据中总是存在着明显偏离轨迹的异常点。检测出轨迹中的异常点对提高数据质量和后续知识发现精度至关重要。目前轨迹异常点检测算法主要为恒定速度阈值法,没有考虑目标在不同时刻运动状态的变化,仅能检测出速度超出指定阈值的一部分异常点,甚至出现检测错误的情况,算法鲁棒性较差。针对现有问题,本文提出一种基于自适应阈值的轨迹异常点检测算法（Trajectory Outlier Detection Algorithm based on adaptive Threshold, TODAT）。TODAT算法充分考虑了目标在一段时间内的运动信息和观测噪声的影响,采用局部阈值窗和均值滤波窗来计算阈值和速度,同时又引入了经济航速阈值和连续异常点放回机制。基于真实船舶数据的实验结果表明,本文算法可根据轨迹数据得到自适应的阈值,有效检测出全部异常点,大幅度提高轨迹数据的质量。     

基于小波变换和LS-SVM的事件检测算法

根据高速公路有事件发生时交通流将产生突变这一原理,提出一种基于小波变换和最小二乘支持向量机的事件自动检测算法。首先用小波变换提取特征数据,然后用最小二乘支持向量机进行分类,仿真实验表明该算法具有检测时间短、检测率高和误报率低的优点,它为事件检测提供了一种切实可行的新思路。     

基于局部偏离因子的孤立点检测算法

孤立点检测是知识发现中的一个活跃领域,如信用卡欺诈、入侵检测等。研究孤立点的异常行为能发现隐藏在数据集中更有价值的知识。该文提出基于局部偏离因子(LDF)的孤立点检测算法,利用每个数据点的LDF衡量该数据点的偏离程度。实验结果表明,该算法能有效检测孤立点,其效率高于LSC算法。     

基于鲁棒尺度的统计建模数据中异常点去除算法的研究及应用

针对基于主元分析 (PCA)的统计监控模型受到历史数据中异常点强烈影响的不足,鉴于建模历史数据中存在的异常点会影响过程监控效果,分析目前常用的鲁棒异常值检测算法原理及其缺陷,提出将中心最短距离(CDC)法与椭球多变量整理(MVT)法相结合,构成一种基于鲁棒尺度的CDC-MVT异常值综合检测算法,更加准确地检测异常点。将该算法应用于工业发酵过程,与CDC法和MVT法相比较,该算法能够有效去除建模数据中的异常点。     

基于小波变换多尺度Harris角点检测算法

提出一种新的基于小波变换的Harris多尺度角点检测算法,可以在不同的尺度下获取角点,克服了单一尺度的Harris角点检测算法可能存在的角点信息丢失和易受噪声影响而检测出伪角点等缺点,测试实验表明,与传统Harris角点检测方法比较,本方法有角点检测率高,不易受噪声影响,检测到的角点具有较高的重复率等优点.