基于小波神经网络的图像表述

小波神经网络有机地融合了小波分析的时频特性和神经网络自适应优点。本文将小波神经网络应用于图像表述，提出相应的图像表述算法。分别采用两种小波函数作为网络激励函数，以验证图像表述效果。实验结果表明，小波神经网络能够有效地表述图像，其算法具有较强的鲁棒性。     

基于小波变换的电能质量数据压缩算法

根据小波变换理论,结合电能质量分析中数据的特点,将小波变换方法应用于电能质量数据的压缩。结果表明,该方法简单而且压缩效果好,能保留信号的局部特征,计算速度快,适合于对实时性要求较强的场合。     

基于小波变换的旋转机械振动信号数据压缩方法的研究

在分析了旋转机械振动信号的特点和小波变换在信号奇异性检测上的特性后,提出了利用小波系数表征信号的奇异性特征,及用信号的频谱来表征信号的整体特征。而用这二类数据表征信号时的数据量远无小于振动时域信号的数据量。因此本文提出了利用这二类信号寻振动信号进行数据压缩的方法。通过信真计算对实际数据的计算证明,该方法既可以得到较高的信号压缩比又保留了信号的局部特征,有着很好的信号重构性。     

神经网络技术与小波分析相结合的故障诊断方法

提出了一种将神经网络技术与小波分析相结合的故障诊断方法,对诊断对象进行时域信号采集,通过小波分析,获得所需参数,再将此参数作为神经网络的输入量,从而达到故障诊断的目的.     

基于向量小波与神经网络的图像融合算法

提出了一种基于向量小波和神经网络的图像融合算法.首先对各源图像进行向量小波变换,根据变换后系数计算出各子块图像的清晰度,选取子块图像部分区域清晰度作为前溃神经网络的训练样本,调整神经网络权重;然后用训练好的神经网络组合融合图像的向量小波系数,对组合后的系数进行一致性校验;最后对该系数进行向量小波逆变换,得到融合图像.仿真实验表明,该算法能够较好地解决多传感器图像融合问题,生成的融合图像效果优于有代表性的图像融合方法.     

神经网络与协同计算机数据压缩及解压方法

打破常用的数据压缩及解压方法的束缚,研究提出了用于有限种多维数据的新颖有效可行的数据压缩及解压方法,根据有限种多维数据压缩及解压的特点,构建了用于有限种多维数据的数据压缩神经网络;将神经网络与协同计算机有机地结合起来,构建了一种用于有限种多维数据的数据解压神经网络与协同计算机相结合的混合网络。     

基于小波变换的图像和视频压缩编码

小波变换以其良好的空间-频率局部化特性以及优良的非平稳信号的表示性能等特性而备受信号压缩领域的重视.本文概述了基于小波变换的图像和视频压缩的原理和方法,阐述了近年来小波变换在图像和视频压缩编码中的研究进展,并对今后的发展方向进行了探讨.     

基于DDE和小波分析的神经网络故障诊断

应用DDE技术对小波分解后的故障信号进行特征提取 ,利用BP网络进行故障诊断 ,并给出了齿轮箱的故障诊断实例 ,实验证明 ,此方法能取得较好的效果。     

数据压缩算法的比较研究

图像压缩技术对于数字图像信息在网络上实现快速传输和实时处理具有重要的意义。介绍了当前几种重要的图像压缩算法：JPEG2000和JPEG图像压缩方法,主要研究了离散余弦变换压缩和小波变换压缩,对两种压缩的前后数据进行了对比,并分析了离散余弦变换压缩和小波变换压缩之间的差异。     

基于小波神经网络的凝汽器故障诊断

引入小波变换优化神经网络,建立了凝汽器故障征兆参数集,利用小波神经网自适应能力强、收敛速度快、精度高的特点对凝汽器故障进行诊断。应用结果表明,该方法能够有效地对凝汽器故障进行准确诊断。     

基于提升方案与SPIHT的无失真图像压缩

基于提升方案的整数Deslauriers-Dubuc（6，2）可逆双正交小波变换，可由加法和移位完成，便于硬件实现。与SPIHT和熵编码结合可实现无失真图像压缩。与ARJ，JPEG，整数Haar变换结合DPCM以及分块DPCM中的无失真压缩方法相比，压缩比分别平均提高了50％，35％，20％，2％左右。     

提升方案结合改进SPIHT的快速图像压缩方法

针对传统小波变换过程复杂的缺点和 SPIHT 算法编码过程重复运算、存储量大的问题,提出了基于提升方案快速 SPIHT 的压缩方法。该方法采用提升方案弥补传统小波变换的不足,提高了图像的重构质量和小波变换速度,并引入“最小阈值”、“最小输出位”和“最大值表”的思想对SPIHT 算法加以改进,降低了编解码过程的运算复杂度和时间消耗。实验证明,该算法较传统方法编解码速度提高了2.5倍,重构图像的峰值信噪比亦有所提高,是一种有效的快速图像压缩方法。     

双正交小波变换多分辨率图像融合方法

为了避免常规正交小波变换所引起的图像边缘失真,特别采用了双正交小波变换进行图像的多分辨率分解。在融合处理时,为了获得更丰富的细节和更好的融合效果,对不同分解层、不同方向上的高频分量以及同一分解层图像中的不同区域均采用不同的融合算子。实验结果表明,该融合方法和融合规则是十分有效的,融合后图像的边缘和纹理细节都更加突出。     

油气管道缺陷漏磁图像的小波压缩技术研究

针对漏磁信号的特点,提出了基于小波分析的缺陷漏磁图像压缩方案。该方案通过调整正交函数零极点位置来设计小波基函数,利用该函数对图像作小波变换,对获得的各级小波系数用更新的JPEG图像压缩表阈值量化,再用算术编码方案处理量化结果,从而得到压缩的图像。试验结果表明,当压缩比小于30%时,图像压缩引起的失真不会对缺陷分析产生影响。     

一种基于小波变换的多聚焦图像融合方法

提出了一种基于低频系数局部区域梯度信息的多分辨率图像融合方法。根据局部梯度信息对源图像的小波低频系数进行选择,获取融合图像的对应低频系数。依照平均误差、峰值信噪比、均方根误差以及偏差度、熵等评价标准,将该方法的多聚焦图像融合效果与其他三种常用低频系数融合方法的效果进行了比较。实验结果表明,该方法获得的大部分评价指标都优于其他三种方法,且其最佳小波分解层数为2层,而其他三种方法的最佳小波分解层数为5层。最佳小波分解层数越少,图像融合的计算量越小。该方法在减少计算量的同时,提高了融合质量。     

基于位平面自适应算术编码的小波图像压缩技术

介绍了一种基于位平面上二进制算术编码的小波图像压缩技术。把算术编码方法应用于位平面层次,根据数据的重要性对静止图像经过小波变换以后的量化系数在相应的位平面的数据位进行高效的自适应压缩编码,有效地解决了难以进行概率统计的信源的编码问题。压缩效率高于其他编码方法。     

基于神经网络和方差的快速分形图像编码算法

为克服快速分形图像编码带来的解码图像质量下降问题,提出了一种神经网络与方差混合编码的快速分形图像编码算法.该算法结合图像子块复杂度与方差值的对应关系,根据每个区块的方差值大小选择适当的映射编码方法,即对于方差值相对小的区块采用方差编码以提高编码速度,对于方差值相对大的区块采用神经网络编码以提高编码质量.该算法可以较好地修正传统分形编码中由于自仿射映射结构限制所带来的解码质量偏低的问题,在大幅提高编码速度的同时,很好地保持了图像的编码质量.实验结果表明,该算法对比基本分形编码算法可以加速24倍,解码图像的质量对比方差快速分形编码算法有1.1dB的提高.同时,该算法的硬件实现比较容易,非常贴近实用化.     

Effect of image resolution on intensity based scene illumination classification using neural network

In this paper, a framework for testing scene illumination classification with different image resolutions is proposed. The testing aims to provide the researchers with valuable information about the effect of image resolution on scene illumination classification using a neural network. The experiment is done by extracting three types of features from the images. These three types consist of statistical features, physic based features and histogram based features. It has been demonstrated that scene illumination classification can be affected by changing the image resolution. Despite the popular belief that high resolution images lead to better results, scene illumination classification by the proposed method performed best using low resolution images. At the second part of discussion, the reason behind this phenomenon is mathematically analysed and explained.     

R-D匹配优选小波包零树图像压缩

为使R-D小波包优选算法与零树编码在量化精度上更好地匹配，对R-D小波包优选算法的寻优次序进行修改，使小波包各节点的量化精度差异不超过一位。实验结果表明，R-D匹配优选小波包零树编码可以取得与R—D优选小波包零树编码相当或比后者更好的图像压缩效果，可见R-D匹配优选算法是更适合零树编码的小波包优选算法。     

结合小波与增量符号相关的鲁棒图像匹配

结合小波变换和增量符号相关提出了一种有效的鲁棒图像匹配方法。将实时图和基准图做小波分解以获得粗尺度的平滑图像;利用相邻像素间灰度的升降对所获得的平滑图像进行二值化重新编码;匹配二值化后的实时图和基准图,找出前者在后者中的坐标,进而确定实时图在基准图中的位置,以完成匹配。小波分解能有效的去除噪声并能大大提高匹配算法的实时性。增量符号相关方法对图像灰度值的变化不敏感。因此,二者相结合不仅有效的解决了存在噪声干扰、阴影混入（块误差）和部分遮挡等影响下的图像匹配问题,且与传统匹配方法相比,匹配速度提高了约10倍以上。理论分析说明了方法的可行性,多组实验显示了其有效性。