基于二元树复数小波变换的文种自动识别

提出了一种基于二元树复数小波变换的文字种类自动识别技术,相对于传统的离散小波变换,这种小波变换具有近似的平移不变性和良好的方向选择性等特点.在文本图像的特征提取中,可以得到更加稳定和更多方向的纹理特征.在实验中选取了6种语言(中文,英文,日文,韩文,俄文和阿拉伯文)不同格式和字体的文本图像,作实验结果表明:本文算法的识别效果要优于传统的离散小波变换算法.     

基于双树复小波变换的图像增强方法

在图像增强处理中,传统的图像增强方法例如直方图均衡、小波系数增强等等,虽然取得了较好的图像增强效果,但在增强图像的同时也将噪声放大了.本文针对这一问题,提出了一种基于二维双树复小波变换的图像增强方法,因其具有良好的多方向性信息捕捉能力,克服了传统二维小波变换缺乏方向性的缺点.增强算法将系数分为强边缘、弱边缘和噪声点三类...     

A New Incremental Watermarking Based on Dual-Tree Complex Wavelet Transform

This paper proposes a new incremental watermarking technique, which is robust for affine transformation and time-varying according to the degree of distortion, using Dual-Tree Complex Wavelet Transform (DT-CWT). At the embedding step, the proposed algorithm inserts a given watermark into the phase components of a transformed image by DT-CWT. At the extracting step, the algorithm incrementally compares the extracted with the original watermark using correlation from lowest to highest level. The proposed technique through performance evaluation displays that it was more robust in geometric distortions than a conventional CWT-based watermarking.     

瞬态信号的双树复小波Power-Law检测

为克服离散小波变换平移不变性差的不足,通过构造的Hilbert变换对滤波器组,实现了双树复小波变换.建立了基于复小波变换系数的Power-Law检测器.推导了检测统计量的渐近性能和偏移系数,由输入信噪比损失给出了检测器参数的选择方法.利用仿真与实测数据进行了试验,并与基于离散小波变换的Power-Law检测器进行了比较.本文提出的小波方法能很好实现平移不变性,建立的检测器具有更大的偏移系数,在相同的信噪比和虚警概率下能够得到更高的检测概率.     

A Video Watermarking Scheme Based on the Dual-Tree Complex Wavelet Transform

A watermarking scheme that discourages theater camcorder piracy through the enforcement of playback control is presented. In this method, the video is watermarked so that its display is not permitted if a compliant video player detects the watermark. A watermark that is robust to geometric distortions (rotation, scaling, cropping) and lossy compression is required in order to block access to media content that has been re-recorded with a camera inside a movie theater. We introduce a new video watermarking algorithm for playback control that takes advantage of the properties of the dual-tree complex wavelet transform. This transform offers the advantages of the regular and the complex wavelets (perfect reconstruction, shift invariance, and good directional selectivity). Our method relies on these characteristics to create a watermark that is robust to geometric distortions and lossy compression. The proposed scheme is simple to implement and outperforms comparable methods when tested against geometric distortions.      

利用双树复小波特征进行蛋白质二级结构预测

识别蛋白质二级结构对于蛋白质的特征和性质研究具有很重要的作用.用Cα原子三维空间坐标把蛋白质序列映射为距离矩阵,针对距离矩阵中隐含的纹理信息,用双树复小波变换对矩阵进行4级分解,提取不同方向的子带能量和标准偏差,得到48维特征向量来表示蛋白质的二级结构特征,再将提取的特征输入KNN和SVM分类器分类,通过实验验证,双树...     

基于改进阈值的双树复小波眼电信号去噪方法

眼电(EOG,electrooculogram)信号由眼球的运动而产生,通常在采集过程中混入强烈的背景噪声,去噪是对眼电信号作进一步分析和识别的首要步骤.提出将双树复小波变换用于眼电信号的去噪,并采用一种新的阈值估计方法改善统一阈值过度扼杀小波系数的缺点,用均方根误差和信噪比评价眼电信号的去噪效果.结果表明:与传统离散小波变换相比,双树复小波变换既能很好地抑制噪声,又能更好地保留信号的细节,具有较高的实用价值.     

双树复小波包变换语音增强新算法

实小波包变换是语音增强中效果较好的一种算法,利用阈值的方法对小波包系数进行压缩进而重构语音信号.分析了实小波包变换的平移敏感性,以及其对语音进行增强时的缺陷.提出采用双树复小波包变换方法进行语音增强,当低通滤波器和高通滤波器对应的小波基近似为希尔伯特变换对时,该变换能大大减小实小波包变换中的平移敏感性.同时考虑小波包系数之间的相互关系,提出了重叠块复阈值算法.结果表明,算法优于传统实小波包变换及点阈值算法,尤其对含周期噪声的语音信号,双树复小波包变换算法的优势更为明显.     

基于双树复小波的无参考立体图像质量评价

随着3D技术的不断发展，立体图像的使用领域越来越广泛，同时人们对图像的清晰度要求越来越高，因此，立体图像的质量评价成为关注点，基于此，提出了一种基于双树复小波变换的立体图像质量评价算法。使用双树复小波变换对立体图像的左、右视图进行处理，生成纹理结构图像，且根据最小能量误差的原理，获取左右视图的视差图；对纹理结构图像和视差图提取非对称广义高斯分布模型的参数、梯度幅值、相对梯度方向方差和奇异值曲线与坐标轴的面积等特征；使用AdaBoosting BP神经网络，进行训练和预测立体图像的质量得分。在LIVE立体图像数据库上的实验结果表明，新方法预测得分与主观得分有较好的一致性，获得了比较好的实验结果。     

基于双树复小波的色谱重叠峰分解方法研究

针对色谱分析中重叠峰的分解问题,提出一种基于双树复小波变换的色谱重叠峰分解方法。首先深入研究了双树复小波变换相较于离散小波变换的优越性;然后利用双树复小波变换分解与重构模拟色谱信号,计算分离度、峰位和峰面积,与离散小波变换的结果对比,并对噪声信号进行测试;最后利用双树复小波变换分解与重构实验所测得的色谱信号。实验结果表明,双树复小波分解色谱重叠峰比一般的实数小波准确,能够有效地分离重叠峰,分解后峰形平滑对称未发生畸变,峰位相对误差与峰面积相对误差较小,适合定性定量分析。     

基于双树复小波变换的PET/CT自适应融合算法

PET/CT医学图像融合对于图像分析及临床诊断具有重要的应用价值,通过融合PET/CT图像,可以丰富图像的信息量,提高信息准确度。针对PET/CT融合问题,提出了一个基于双树复小波的PET/CT自适应融合算法。对已配准的PET和CT图像进行双树复小波变换（dual-tree complex wavelet transform,DTCWT）,得到低频分量和高频分量;根据低频图像集中了大部分源图像能量及决定了图像轮廓的特点,采用了自适应高斯隶属度函数的融合规则;在高频图像部分,考虑了图像相邻像素之间的相关性和模糊性问题,在第一层的高频分量上采用了高斯隶属度函数和3×3领域窗口相结合的融合规则,在第二层高频分量上采用了区域方差的融合规则。最后,为了验证算法的有效性和可行性,做了3个方面的实验,分别是该算法和其他像素级融合算法的比较实验,利用信息熵、均值、标准方差和互信息的融合效果评价实验,双树复小波变换中不同融合规则的比较实验。实验结果表明,该算法信息熵提高了7.23%,互信息提高了17.98%,说明该算法是一种有效的多模态医学影像融合方法。     

基于Log-Polar和DT-CWT的旋转不变纹理分类算法

提出了一种基于对数-极坐标变换和双树复数小波变换的旋转不变纹理分类算法。该方法首先对纹理图像进行对数-极坐标变换将旋转转化为平移,再用具有平移不变性的双树复数小波对变换后的图像滤波并计算各子带的能量值组成旋转不变特征向量,最后利用支持向量机算法实现纹理图像的分类。将本方法与其它旋转不变纹理分类算法进行比较,实验结果表明,提出的算法能有效地提高正确分类率。     

基于双树复小波变换和GBDT的运动想象脑电识别

针对脑机接口研究中的脑电信号特征提取与分类问题,提出了一种基于双树复小波变换结合GBDT的想象左右手运动脑电识别的方法。该方法首先深入研究了双树复小波变换相比于小波包变换在脑电信号特征提取方面的优势并验证了ERD/ERS现象;实验数据采用了2003年国际脑机接口竞赛的标准数据集DataSetⅢ,然后,选取了4个典型的时间段进行实验对比,利用双树复小波变换分解与重构提取运动感知节律相关信号分量的能量均值作为特征进行GBDT分类。最后,实验取得了较好的分类准确度,验证了双树复小波变换结合GBDT的方法在脑电信号识别应用中的有效性。     

基于双树复小波分解的Boosting集成学习土地覆被分类研究

近年来,集成学习（Ensemble Learning,EL）分类方法成为土地覆被分类的研究热点,尤其是Boosting集成分类方法具有分类精度高、泛化能力强,在土地覆被分类中得到了显著的应用。但是,Boosting集成分类方法对噪声很敏感,如果训练样本含有噪声时,Boosting算法可能会失效,这是该方法的局限性。为了解决Boosting集成方法在土地覆被分类中存在的问题,有效克服噪声的影响,减少分类结果中的“椒盐”现象和提高分类精度,提出了基于双树复小波分解的Boosting集成学习分类方法。该方法对影像的光谱波段进行一层双树复小波分解,降低图像的噪声,将分解后的各波段作为Boosting集成学习的输入,得到最终的分类结果。实验先后比较了GBDT、XGBoost、LightGBM 3种Boosting集成学习算法在SPOT 6和Sentinel-2A影像上的分类效果。结果表明：(1)在SPOT 6影像上,3种Boosting集成算法总体分类精度均高于90%;DTCWTLightGBM分类总体精度最高,达到94.73%,Kappa系数为0.93,比LightGBM总体精度提高了1.1%...     

基于双树复小波包和改进SVM的轴承故障诊断

为了提高滚动轴承内圈、滚动体、外圈等故障诊断效率,提出了将双树复小波包和支持向量机（Support Vector Machine,SVM）结合的故障诊断方法。采用双树复小波包对轴承振动信号分解和重构,提取重构信号中的故障能量特征并构造特征样本作为支持向量机诊断模型的输入。针对支持向量机的参数选取没有固定方法而导致故障诊断的准确性降低的问题,采用人工鱼群算法对支持向量机的惩罚系数和核参数进行寻优。用寻优得到的参数建立支持向量机诊断模型对特征样本进行故障诊断。仿真结果表明提出的方法不仅可以提高降噪效果从而得到滚动轴承故障振动的特征信号,而且能实现更高精度的故障诊断。     

基于复小波变换全监督学习的微震波形降噪与相位拾取

由于井下微震信号有着更低的信噪比, 导致信号拾取精度降低. 现阶段基于小波阈值的信号降噪算法等在面对信噪比较低的信号时存在泛化性差, 阈值难以衡量等问题. 为解决这一问题, 本文研究了一种复小波变换全监督学习的微震波形降噪方法. 该方法首先利用复小波变换结合卷积自编器设计一个具有多个卷积和反卷积操作的编码-解码器完成图像的降噪过程. 为验证此方法的有效性, 首先在Stanford的Earthquake数据集上构建了Earthquake2023进行训练和测试, 并有着较好地拟合效果和训练结果. 同时基于该方法降噪后信号设计了一种震相拾取方法, 并达到了较高的拾取精度. 本文设计了多组对比实验, 结果表明此降噪方法能有效提高信号的峰值信噪比和均方根误差, 两者分别提高了16 dB和24%, P波、S波初至到时拾取的误差相较于STA/LTA减小了0.3 ms.     

Color image segmentation using adaptive unsupervised clustering approach

This paper presents the Region Splitting and Merging-Fuzzy C-means Hybrid Algorithm (RFHA), an adaptive unsupervised clustering approach for color image segmentation, which is important in image analysis and in understanding pattern recognition and computer vision field. Histogram thresholding technique is applied in the formation of all possible cells, used to split the image into multiple homogeneous regions. The merging technique is applied to merge perceptually close homogeneous regions and obtain better initialization for the Fuzzy C-means clustering approach. Experimental results have demonstrated that the proposed scheme could obtain promising segmentation results, with 12% average improvement in clustering quality and 63% reduction in classification error compared with other existing segmentation approaches.     

基于对偶树复小波域图像融合的SAR图像去噪

边缘信息是图像重要的细节信息,保护图像的边缘信息对提高图像质量非常重要.但是在图像去噪的过程中,往往会破坏图像的边缘信息.针对去除噪声和保护边缘信息的双重考虑,提出一种基于对偶树复小波域图像融合的SAR图像阈值去噪.考虑到局部硬阈值和软阈值各自的特点,利用对偶树复小波变换的优点和图像融合的特点,首先在自然对数域对SAR图像进行对偶树复小波分解,然后对小波系数分别执行局部硬阈值去噪和局部软阈值去噪,最后依次通过图像融合,对偶树复小波反变换,指数变换得到去噪以后的图像.实验结果表明,算法融合了两种周值去噪方法的优点,在明显去噪的同时,更好地保护了图像的边缘信息.