基于加窗光谱积分的高光谱遥感图像特征提取

提出了一种基于加窗光谱积分的高光谱遥感图像特征提取算法.该算法借用子波变换多分辨率分析的思想,设计了一组波段相互重叠的窗函数来提取光谱曲线特征,然后进行有监督RBF神经网络分类实验,在实验过程中确定了相关参数的取值范围.实验结果表明,加窗光谱积分特征可以有效地描述光谱曲线,获得了比较好的正确分类率.     

基于DWT和Tucker分解的超光谱图像压缩技术研究

由于超光谱图像（HSI）的大数据量,HSI压缩技术的研究近年来越来越受到关注。鉴于此,提出了一种基于离散小波变换（DWT）和Tucker分解的HSI压缩方法。充分利用HSI频域和空域的信息,对HSI频带的小波变换系数进行Tucker分解,先利用小波变换将HSI分解为不同的子图像,然后利用Tucker分解实现子图像的压缩;最后用实际的HSI对算法的有效性进行评估。与其他算法的比较结果表明该算法具有更好的性能;实验还显示了压缩HSI在监督分类方法中的作用。     

基于多级离散余弦变换的鲁棒数字水印算法

将多级离散小波变换的"多级"思想引入到离散余弦变换中,并对多级离散余弦变换的特性进行了分析,在此基础上提出了一种基于多级离散余弦变换的数字水印算法,该算法从多级离散余弦变换系数中选择适当的位置嵌入水印信息.实验结果表明文中算法的鲁棒性优于常规基于离散余弦变换的数字水印算法,并且它的实时性不受多级变换的影响.此外,该文对多级离散余弦变换中变换系数和变换级数的选择进行了研究,实验结果表明合理选择变换系数进行二级变换可以获得最佳性能.     

用两层分类算法进行视频烟雾检测

为提高视频烟雾检测的准确性,提出一种基于概率的两层最近邻自适应度量分类算法(PTLNN)来进行烟雾检测.该算法以最小化平均绝对误差为原则,结合AdaBoost和KNN算法的优势,充分考虑局部和全局的样本分布,能明显提升分类精度.采用离散余弦变换(DCT)和离散小波变换(DWT)两种方式对烟雾特征进行提取,并验证算法性能.通过与传统算法的对比实验发现,采用离散余弦变换并结合PTLNN算法在视频烟雾检测方面具有更好的效果,既满足实时性要求又提高了检测精度.     

基于Contourlet变换的图像DCT去噪新方法

为了改进滤波效果,以提高图像去噪质量,提出了一种通过离散余弦变换对Contourlet域中噪声能量进行估计来实现去噪的新方法.该算法不依赖于对噪声方差进行估计,而是直接利用离散余弦变换来对高频各子带进行局部特征提取,以便估计噪声能量的估计阈值.实验结果表明,与传统的小波软、硬阈值去噪方法和基于小波变换的图像离散余弦变换去噪方法比较,该方法有效地克服了采用硬阈值法引起的伪吉布斯现象和软阈值法因导致过度光滑而使信号失真等缺点.实验表明,该算法不仅可提高处理图像的信噪比,而且图像的视觉效果也明显改善,因此更具有实用价值.     

Bark子波变换的改进及其在水声目标分类中的应用

该文在Bark子波的构造的基础上,提出一种改进的子波变换。该子波变换在Bark子波变换的非线性映射中引入伸缩尺度参数,以及改变Bark子波母函数的相关参数,实现了更为灵活的频域划分。然后基于改进的子波变换进行水声目标特征提取,及分类实验。实验表明,改进的子波变换提取特征的可分性优于Bark子波变换。     

基于局部小波变换与DCT的人脸识别算法

提出了一种基于局部小波变换和离散余弦变换(DiscreteCosineTransform,DCT)相结合的人脸识别方法,该算法首先利用小波变换对人脸图像做适当层次的小波分解,然后通过离散余弦变换对低频分量作进一步的特征提取和压缩,得到人脸识别特征,最后利用欧氏距离和最近邻分类器进行识别。基于ORL人脸数据库的实验结果表明了该算法的有效性。     

基于Radon变换和多级离散余弦变换的鲁棒性水印算法

将contourlet变换和多级离散小波变换的 "多级" 概念引入到离散余弦变换中,并针对当前传统的离散余弦变换域水印算法不能有效旋转几何攻效抵抗击行进了特性的分析和改进.在此基础上提出了一种基于Radon变换和多级离散余弦变换的鲁棒性水印算法,该算法首先从多级离散余弦变换系数中选择适当的位置嵌入水印信息;同时在水印检测之前,利用Radon变换检测算法对待检测图像进行几何校正,然后提取水印信息.实验结果表明本文算法的鲁棒性优于常规基于离散余弦变换的数字水印算法,并且它的实时性不受多级变换的影响.     

一种基于多小波域与 DCT 的数字盲水印算法

研究一种新的数字图像盲水印算法.针对目前基于的离散小波变换算法和 DCT 变换算法中,对噪音和几何变形攻击抵抗力弱,需要原始水印的缺点,提出了一种利用多小波域和离散余弦变换相结合的数字盲水印算法.结合离散多小波变换的多分辨率特性和离散余弦变换所固有的特征,首先对原灰度图像 DMWT 变换,而后对低频系数作分块 DCT 变换,再将经过 Arnold 预处理的二值图像水印信息分别嵌入到经过 DCT 变换的较好的块中.提取水印时不需要原始图像的参与,实现了盲水印提取.实验结果表明,嵌入算法容易实现,并增强了水印的稳健性和不可见性,算法对锐化、JPEG 压缩、剪切和噪声等常见的图像攻击有较好的鲁棒性.     

基于准三维变换的视频隐写算法

结合离散余弦变换(DCT)的能量压缩能力和离散小波变换(DWT)的多分辨率特性,提出一种基于准三维变换的视频隐写算法。该算法利用二维小波变换描述视频序列的帧内信息,通过一维离散余弦变换描述视频序列的帧间信息,从而有效利用视频序列的空间及时间冗余,将秘密信息嵌入在DCT系数的量化过程中,保证了视频序列的稳定性及秘密信息提取的准确性。实验结果表明,该算法具有较好的视觉不可见性与较高的嵌入容量,且可实现秘密信息的盲提取。     

基于BM3D预处理的纹理光照不变特征提取算法

为消除光照变化对图像结构信息的影响,提出基于三维块匹配（BM3D）预处理的纹理光照不变特征提取算法。基于BM3D算法的良好降噪特性,该方法首先对图像各颜色通道采用BM3D降噪,利用小波变换得到各颜色通道对数域的低频和高频分量,然后对低、高频分量分别运用小波降噪和Bayes-Shrink算法降噪,并构造光照不变量,最后采用主成分分析(PCA)降低特征维度,取得特征向量,并利用K-最近特征线分类器进行图像分类。在Outex_TC_00014纹理数据库的实验结果表明,该算法具有较好的分类效果。     

A new optimum feature extraction and classification method for speaker recognition: GWPNN

Speech and speaker recognition is an important topic to be performed by a computer system. In this paper, an expert speaker recognition system based on optimum wavelet packet entropy is proposed for speaker recognition by using real speech/voice signal. This study contains both the combination of the new feature extraction and classification approach by using optimum wavelet packet entropy parameter values. These optimum wavelet packet entropy values are obtained from measured real English language speech/voice signal waveforms using speech experimental set. A genetic-wavelet packet-neural network (GWPNN) model is developed in this study. GWPNN includes three layers which are genetic algorithm, wavelet packet and multi-layer perception. The genetic algorithm layer of GWPNN is used for selecting the feature extraction method and obtaining the optimum wavelet entropy parameter values. In this study, one of the four different feature extraction methods is selected by using genetic algorithm. Alternative feature extraction methods are wavelet packet decomposition, wavelet packet decomposition – short-time Fourier transform, wavelet packet decomposition – Born–Jordan time–frequency representation, wavelet packet decomposition – Choi–Williams time–frequency representation. The wavelet packet layer is used for optimum feature extraction in the time–frequency domain and is composed of wavelet packet decomposition and wavelet packet entropies. The multi-layer perceptron of GWPNN, which is a feed-forward neural network, is used for evaluating the fitness function of the genetic algorithm and for classification speakers. The performance of the developed system has been evaluated by using noisy English speech/voice signals. The test results showed that this system was effective in detecting real speech signals. The correct classification rate was about 85% for speaker classification.     

大型装备传动系统非线性频谱特征提取与故障诊断

基于Volterra级数的非线性频谱分析方法,建立了大型数控装备传动系统伺服电机的非线性频谱模型,对传动系统两类参数型故障的频谱特征进行了分析.在此基础上,提出一种实用的在线频谱特征提取与故障识别方法,采用自适应辨识算法求解时域Volterra核,用快速多维傅立叶变换获得非线性频谱特征.实验结果表明,该方法实时性好,故障识别率高.     

基于脊波变换的旋转不变性纹理特征提取方法

提出了一种新的基于脊波变换的旋转不变性纹理特征提取方法。该方法是先在脊波变换过程中的一维小波变换后所形成的每个频率子波段中提取特征,然后采用构建直方图的方法来提取同一尺度下高、低频子波段之间的关系特征,最后将这些特征进行一维傅里叶变换后取幅值并进行特征级融合,从而得到旋转不变性纹理特征。实验结果表明所提出的方法与两种已有的方法相比能够取得更好的分类效果。     

The speaker identification by using genetic wavelet adaptive network based fuzzy inference system

In this paper, an intelligent speaker identification system is presented for speaker identification by using speech/voice signal. This study includes both combination of the adaptive feature extraction and classification by using optimum wavelet entropy parameter values. These optimum wavelet entropy values are obtained from measured Turkish speech/voice signal waveforms using speech experimental set. It is developed a genetic wavelet adaptive network based on fuzzy inference system (GWANFIS) model in this study. This model consists of three layers which are genetic algorithm, wavelet and adaptive network based on fuzzy inference system (ANFIS). The genetic algorithm layer is used for selecting of the feature extraction method and obtaining the optimum wavelet entropy parameter values. In this study, one of the eight different feature extraction methods is selected by using genetic algorithm. Alternative feature extraction methods are wavelet decomposition, wavelet decomposition – short time Fourier transform, wavelet decomposition – Born–Jordan time–frequency representation, wavelet decomposition – Choi–Williams time–frequency representation, wavelet decomposition – Margenau–Hill time–frequency representation, wavelet decomposition – Wigner–Ville time–frequency representation, wavelet decomposition – Page time–frequency representation, wavelet decomposition – Zhao–Atlas–Marks time–frequency representation. The wavelet layer is used for optimum feature extraction in the time–frequency domain and is composed of wavelet decomposition and wavelet entropies. The ANFIS approach is used for evaluating to fitness function of the genetic algorithm and for classification speakers. It has been evaluated the performance of the developed system by using noisy Turkish speech/voice signals. The test results showed that this system is effective in detecting real speech signals. The correct classification rate is about 91% for speaker classification.     

高压水射流靶物反射声信号的特征提取方法

为了提高利用高压水射流靶物反射声信号识别靶物材质的效率,针对地雷探测过程常见的地雷、石块、砖块和木块4种靶物,采用不同的特征提取方法来识别靶物材质。在分析Mel频率倒谱系数及小波包变换倒谱系数基本原理的基础上,结合靶物反射声信号的特点,提出了一种基于Mel频率倒谱和小波包变换倒谱特征融合的特征提取方法:利用小波包变换将原始靶物反射声信号划分为若干子频段,选取其中一个子频段作为低频和高频的划分层;低频部分提取Mel频率倒谱系数作为特征值,高频部分则提取小波包变换倒谱系数作为特征值,将2组特征值线性合并为一组新的特征向量,用于靶物材质的识别。采用最小二乘支持向量机建立多分类模型,验证基于单一特征和基于特征融合的特征提取方法的识别率。实验结果表明,在取得低频与高频的最佳划分层时,基于特征融合的特征提取方法的平均识别率达到82.812 5%,较单一的利用Mel频率倒谱系数或小波包变换倒谱系数作为特征向量时的平均识别率分别提高了10.312 5%和7.812 5%。     

改进的Gabor小波变换特征提取算法

针对基于Gabor小波幅值与相位的人脸特征提取方法的特征级联方式使得特征向量维度较高的问题,提出了一种改进的Gabor小波变换特征提取算法。该算法计算局部幅值特征和局部相位特征,增强了每个像素的局部关联性;然后通过实验选定加权系数,将幅值特征与相位特征进行加权融合。实验结果表明,该算法与改进前的算法相比,降低了特征向量的维度,且提高了最终的人脸识别率。     

用于虹膜识别的轮廓波特征提取

为获得高品质的虹膜纹理特征,针对小波变换方向选择性差的局限和虹膜图像纹理丰富的特点,本文提出了一种基于轮廓波(Contourlet)变换的虹膜特征提取方法.首先对预处理后的虹膜图像进行Contourlet分解,然后根据高低频子带所表征的信息,采用不同特征提取策略,提取其低频分量的均值及标准差和不同尺度、不同方向上高频子...     

一种新的冷轧带钢典型表面缺陷特征提取方法

针对冷轧带钢表面缺陷图像特征提取的特点,提出了基于类距离可分离性判据的混合特征提取方法。该方法以小波变换的L1范数特征和灰度共生矩阵二次统计特征为基础,运用基于类距离的可分离性判据原理提取出可分离性特征向量。对几种生产现场出现频率较高、危害严重的典型缺陷进行了计算机实验研究,实验结果表明,运用基于类距离可分离性判据的混合特征提取方法提取的特征向量具有较大的可分离性,很大程度上提高了特征的分类有效性,使缺陷识别取得了较高的正确识别率。