基于小波包分解的信号分解与重构研究

为有效剔除信号噪声,得到没有污染的信号,便于进行信号分析。文章对小波包信号分解原理进行了阐述,并运用matlab仿真了信号的分解与重构,并展示了分解示意图和重构结果,较好的验证了算法的实用性。     

基于视觉特性和小波分解的数字水印隐藏方法

本文提出了一种隐藏数字水印的新方法,该方法所隐藏的不是传统的序列码或比特流,而是将水印作为一幅二值图像来处理;并结合人眼视觉模型（ＨＶＳ）和图像的ＤＷＴ多尺度分解来隐藏水印。实验表明这种新方法在降低原始图像变换后视觉失真和提取的被隐藏水印图像失真两方面都达到较好的效果,鲁棒性也较好,这是一种很有发展前景的数字水印隐藏新方法。     

基于小波分解红外雷场目标提取方法的研究

为提取低信噪比红外雷场图象中的目标,采取了一种基于小波分解和能量特征的目标提取方法.根据目标与环境背景在图像小波变换域能量分布特性的不同而对小波分解得到的各变换域通道能量特征值进行计算,并以此为依据提取出目标.实验结果表明,该方法对红外雷场图象有较好的处理效果.     

基于NSA多尺度模型的人脸识别

提出了NSA多尺度模型.该模型摒弃了LSA模型中不同尺度的图像间具有线性映射关系的假设.首先利用神经网络建立不同尺度图像间的映射关系;其次使用反向传播算法训练神经网络确定这种映射关系;最后根据该映射关系由低分辨率图像估计高分辨率图像.利用对比度相似性量化估计图像与目标图像间的相似程度.将该模型用于人脸识别,提出利用梯度算子进行图像分割提高识别的准确性.实验结果表明,以该模型分析得到的对比度相似性为95.3634%;以该模型为基础的人脸识别系统对光照具有很好的鲁棒性.     

小波分析在信号处理中的应用

小波分析在时间上和频率上都具有很好的局域性，这使得小波分析非常适合于时一频分析。目前小波分析理论已成为信号处理中的一种重要工具。本文介绍了小波分析的理论，用内积的概念将小波变换和Fourier变换、加窗Fourier变换从形式上统一起来，并将多尺度分析运用于信号的去噪处理之中，从而说明了小波分析在信号处理中的重要作用。     

一种基于小波变换的图像变化检测算法

针对多时相遥感图像之间的变化检测易受照度变化和噪声的影响,提出了一种基于多尺度分析和多变量假设检验的变化检测方法,首先将已配准的2幅图像的差值进行小波分解,得到4幅子图,小波分解过程中不进行下采样,然后将4幅子图中对应点处的小波系数组成一个四维的矢量,并对每个分量赋予不同的权值,最后利用多变世假设检验判定变化区域。实验结果表明所提取的方法具有较强的抗照度变化和噪声影响的性能。     

基于B样条的小波分解快速算法

在对一类广义多分辨模型研究基础上，以样条函数空间为例，全面剖析了基于Ｂ样条函数的多分辨塔式结构与算法，并详细给出了各滤波器参数。对一维信号与二维图象的仿真研究表明该算法简洁、快速，具有推广应用价值。     

一种新的多尺度模型GLSA及其人脸识别的应用

考虑图像的近似信息和细节信息,提出了推广的线性尺度自回归(GLSA)多尺度模型。首先利用该模型建立不同尺度图像间的映射关系;其次使用原始图像及其小波分解结果得到模型中的参数以确定这种映射关系;最后根据该映射关系由低分辨率图像估计高分辨率图像。将该模型用于人脸识别处理,通过比较被测试图像的模型参数和训练集图像的模型参数确定被测试图像的类别。实验结果表明,使用GLSA模型估计得到的图像更加接近目标图像,以该模型为基础的人脸识别系统对光照的鲁棒性较强。     

基于树状小波分解的多传感器图像融合

提出了基于树状小波分解的多传感器图像融合方法,它能够在一定的能量准则下,自适应地根据图像特征进行子带分解和融合。对可见光图像与红外图像、可见光图像与毫米波图像进行融合的实验结果表明,所提出的方法比传统的金字塔形小波分解具有更好的融合效果。     

一种改进的基于小波变换的图像边缘提取方法

基于现有的小波去噪方法和边缘提取方法,提出了一种通过自适应阈值设定的小波边缘提取算法,从而改进了传统方法中通过固定阈值进行小波边缘检测中存在的问题,通过对相关图像的分析结果可以看出,该方法能够较好地对图像边缘进行自适应检测,达到了较好的效果.     

基于小波变换数据融合的图像边缘检测算法

本文提出了一种基于小波变换数据融合的图像边缘检测算法。该方法对原始图像分别采用小波变换、“Sobel”算子和“Log”算子三种方法提取边缘,再将三种算法结果通过数据融合的手段获得一幅新的边缘图像。仿真实验结果表明,该方案所得到的边缘优于单独采用“Sobel”或“Log”算子所获得的边缘图像,是一种有效的图像边缘提取算法。     

基于小波分解的AR-SVR一类非平稳时间序列预测

本文提出了一种基于小波分解的均值具有趋向性的非平稳时间序列预测方法。方法首先利用具有平移不变性的小波分解,分离非平稳时间序列中的长期趋势和高频信息(短期行为),然后对高频信息构建自回归AR模型,而对于趋势则利用支撑向量回归(SVR)进行拟合,最后将各模型的预测结果进行叠加,从而得到原始序列的预测值。这样保证了充分拟合长期趋势的同时,避免了短期行为造成的过拟合。最后的实验结果表明本文提出的这类非平稳时间序列预测方法是有效的。     

基于小波变换的航迹关联方法

该文基于小波框架条件及多分辨率特性,提出了一种新的自适应航迹关联算法。将目标航迹数据序列分解为整体走势和局部特征两方面来解决航迹关联问题。当目标作匀速直线运动时,只比较两航迹的整体走势;当目标作机动运行时,同时比较两航迹的整体走势和局部特征(机动性)。理论分析和仿真实验证明了该算法的有效性和合理性。     

基于边缘的小波图像融合算法

提出一种基于边缘的小波图像融合算法,针对小波分解的不同频率域,分别对高频系数和低频系数设计不同的融合规则。采用小波系数局部模极大和定义的局部信号强度比相结合的方法融合高频系数;对低频系数采用一种基于边缘的方法,在两幅原图像中选择最有可能是边缘的点加以保留。实验结果表明:采用此融合规则得到的融合图像具有良好的融合效果。     

基于小波变换的低对比度图像增强

针对传统算法存在噪声过增强的问题,提出了基于小波分析的图像增强算法。在小波变换多尺度分析的基础上,算法对图像多尺度分解得到的小波系数进行缩减去噪,然后在不同尺度上对各分解系数进行不同程度的增强;对同一尺度的系数进行非线性处理以增加对比度;增强低频子带图像的对比度以保证整体的增强效果。实验表明,该算法能有效地增强低对比度图像,减小了噪声的增强幅度,使结果图像具有很好的视觉效果。     

基于小波变换的水天线提取算法研究

文中提出了一种基于小波变换的复杂背景下受强杂波、噪声污染的水天线的检测算 法。该算法利用了小波变换的多尺度特性,将要检测的图像进行多尺度小波变换,再采用多尺度边缘匹配,将不同尺度的输出集成为一个简单边缘图像。仿真试验结果表明,该方法可较强的抑制强杂波背景和强噪声的干扰,能有效检测出复杂海面背景中的水天线。     

基于小波压缩域的统计纹理特征提取方法

本文提出了一种基于相邻尺度子带间统计特性的。可直接在小波压缩域操作的纹理特征提取方法．主要思想是依据小波压缩域各子带相应空间位置的系数间存在着明显的相关性，提取反映这种依存关系的纹理特征．在提取特征时采用与压缩标准兼容的技术，可在部分解压的情况下，实现压缩域纹理图象的快速分类．实验结果表明提出的办法优于现有常用方法，计算速度明显提高．尢其是和传统的子带能量特征相结合时，可取得最好的分类识别率．     

基于小波包的图像拼接算法

针对噪声环境下的图像拼接方法,本文给出了一种基于小波包变换与数学形态学的方法。首先是对拼接图像进行小波降噪,然后利用形态学寻找主要特征物进行定位和对比,再通过样条函数构造的小波包对图像在不同尺度下的小波包分量进行拼接。实验表明,该方法可以较好地消除拼缝的影响,得到很好的拼接图。     

基于小波框架和多尺度变换的航迹关联算法

在分布式多传感器信息融合系统中，航迹关联是首要解决的问题。文章将小波理论引入到航迹关联算法研究中，基于小波框架条件和多尺度变换，提出了一种新的航迹关联算法。该算法结合了航迹的整体走势和局部特征两方面来解决航迹关联问题。文章从理论分析和仿真实验来证明该算法的正确性．并将新算法与现有算法进行比较，验证了在机动目标的航迹关联判断中，新算法明显优于其它两种。