基于小波变换和Retinex算法的显著性检测

近些年来,关于图像显著性检测的研究越来越热门。基于之前提出的很多算法产生的显著图都存在背景信息杂乱、干扰噪声多、细节丢失等问题,本文提出了一种基于小波变换和Retinex算法的显著性检测算法来解决以上问题。首先,利用Retinex算法对图像进行前期处理;然后,对前期处理过的图像进行SLIC超像素分割,对超像素进行小波变换,分别生成原始图像低频部分和高频部分的特征图,并进行适当的双边滤波降噪,生成对应的显著图;最后,通过加权组合这两种显著图,得到最终的显著性图。实验结果表明,本文提出的算法生成的显著图具有受背景影响小、噪声少以及细节突出等优势。     

基于小波变换和曲波变换的图像边缘检测新算法

针对图像处理中的边缘检测问题,提出了一种基于小波变换和曲波变换的图像边缘检测新算法。首先对原始图像进行小波变换得到小波边缘图像;然后对原始图像进行曲波变换并使用Canny算子得到曲波边缘图像;最后基于小波变换的窗口内边缘强度自适应融合算法将小波边缘图像和曲波边缘图像进行融合得到最终边缘图像。该方法结合了小波变换描述图像细节特征的优势和曲波变换处理曲线或直线边缘特征的优势,能全面刻画边缘图像的纹理与细节信息,提高了图像清晰度。仿真实例表明了该算法的有效性。     

基于小波变换和神经网络的PCB检测

小渡变换是空间、时间和频率的局域变换,它能通过伸缩和平移等运算对覆盖整个频域的信号逐步进行多尺度细化分析.人工神经网络以其独特的非线性、非凸性、自适应性和处理各种信息的能力.广泛应用于工业领域.本文将小波变换快速算法在图像处理领域中表现出的多尺度分析与BP神经网络算法相结合.运用于电子工业检测系统中.提出对印制电路板PCB进行边缘检测、缺陷分类的方法.     

基于小波变换的数字水印隐藏与检测算法

主要研究了在数字语音信号中加入数字水印的方法,提出了一种基于小波变换的数字水印隐藏与检测算法,用这种算法隐藏水印具有很强的隐藏性,对原始语音的影响基本上察觉不出来。叠加了水印的语音在经过多种强干扰及各种信号处理的变换之后,使用本算法仍能正确检测出水印的存在,如它可以抵抗噪声干扰、去噪算法对信号进行去噪处理、语音信号的有损压缩以及信号的重新采样等。     

基于小波分析和Hilbert变换的R波检测算法

提出了在心电信号中定位R峰的一种新的鲁捧算法.利用小波工具滤波,然后结合心电信号的一次微分和一次微分后的的Hilbert变换,使得R峰突出,P波和T波减弱.另外,噪音、基线漂移、运动伪迹都最小化,伪迹受到抑制.通过经验的R峰时间间隔,预估和应用幅度阈值可以很容易地将R峰找出来.用MIT_BIH心律失常数据库的纪录测试了该算法,平均检测率达到了99.91%.该算法可靠且实现简单,用于其他生理信号如心音信号分段也有较高的正确率.     

基于小波变换和动态验证的基音检测算法

针对基音周期检测中容易出现的半周期和倍周期错误,综合考虑了常用的小波变换和短时自相关方法的优缺点,以及相邻基音周期长度的渐变性,提出了把两者相结合的基音周期检测算法.对语音信号进行清浊音检测和前置带通滤波,利用小波变换方法进行初步检测,对基音周期变化过大的情况使用自相关方法进行验证.实验结果表明,该方法在不同信噪比下的基音周期检测准确率都明显高于普通的小波变换检测方法.同时,该方法还有助于通过人工方式快速修正基音周期.     

基于小波变换的图像边缘检测匹配算法

小波变换能够获取信号的时频局部化特征,可作为一种有效的图像边缘检测工具。本文提出一种基于二维小波变换的图像边缘检测方法。首先对图像分别做两方向的小波变换,进而得到二维小波变换的幅值和梯度,然后利用非极大值抑制方法检测二维小波变换的模极值点作为图像的边缘点,最后利用Hausdorff算法实现模板边缘与实时图边缘之间的匹配。仿真试验表明本文所提出算法的有效性。     

基于小波变换和LS-SVM的雷达故障诊断

根据雷达接收机信号特点,提出了将小波变换和最小二乘支持向量机相结合的雷达故障诊断新方法.首先,根据专家经验选取电路中恰当的测试点,运用小波变换对采样数据进行处理和特征提取,然后建立了雷达故障诊断模型.最后再运用最小二乘支持向量机(LS-SVM)的基本原理和分类方法进行故障诊断,并在某型雷达接收机故障诊断中进行了实际应用研究.采样信号先经过小波降噪处理,以减少采样引人的误差,再进行小波分解提取能量系数作为雷达的故障特征向量,经归一化处理后,作为输入向量,经诊断模型输出后完成雷达接收机典型故障的诊断.MATLAB实例仿真结果表明,该方法有很好的分类能力,提高了雷达故障诊断的正确性和效率.     

基于小波变换的自适应梯度边缘检测算法

针对传统的单一边缘检测算法抗噪能力差、边缘不连续等不足,本文提出采用两种算法相结合的方式来进行边缘检测。首先,对原始图像进行多层小波分解;然后,对小波分解后的图像低频部分用提出的8点邻域自适应梯度算法进行边缘检测,依靠边缘生长方法保证检测出的边缘的连续性,对高频部分用小波变换的局部模极大值算法检测图像的边缘;最后,将各层边缘信息按一定的融合规则融合起来得到最终的图像边缘。实验结果表明,该方法与传统的边缘检测算法相比具有定位精度高、去噪效果好等明显的优点,也能较准确地提取图像的边缘。     

基于余弦变换和小波变换的数字水印算法

在互联网络技术和多媒体技术普及的今天,数字水印技术已经成为目前信息安全技术领域的一个重要方向。本文提出了一种基于离散余弦变换和离散小波变换的数字水印算法,以一个长度为n服从N(0,1)正态分布的随机数序列作为水印信号嵌入到图像最具感知意义的频率部分。实验结果表明,此算法具有良好的视觉效果和鲁棒性。     

融合小波变换和形态学差分的图像边缘检测

图像边缘检测的关键是在尽量多检测到边缘的同时更有效地抑制噪声,为此提出了一种融合小波变换和形态学差分算法的边缘检测方法。将源图像进行小波分解,高频分量利用小波模极大值算法进行边缘检测,可有效提取高频边缘;低频分量采用形态学差分算法进行边缘检测,能够检测出低频边缘;采用一定的融合规则将两个边缘检测图像融合在一起。实验结果表明,该方法优于单独使用小波模极大值法或数学形态学法,对噪声具有很好的鲁棒性,得到的图像边缘连续、清晰。     

基于小波变换的心电信号综合检测算法研究

目前小波分析已经用于心电信号（ECG）的R波峰点检测,但是对QRS波群的具体形态和起止点位置的检测研究较少,P波和T波的分析也是心电图计算机自动分析的难点.为解决心电信号各波形成分的综合检测问题,基于小波变换技术构建一系列检测方法、检测准则和阈值参数,检测和识别QRS波群、P波、T波的具体形态和位置.实验结果表明,所提出的综合检测算法具有较好的鲁棒性,能够较好地抑止或消除基线漂移、高频干扰等外部因素,以及大T波、大S波、高U波、波形融合等自身病态因素对波形综合检测产生的影响.     

采用小波变换和三点法的频率测量

讨论了在电力系统保护和控制中对基波信号中的间谐波进行小波变换来计算基波频率,但检测结果有少许误差;三点法也是检测频率常用的方法,它通过任意三个等间隔采样点提取正弦信号频率,合理的选择检测点之间的间隔可以使误差最小。运用小波变换与三点法结合可以高精度的对基波频率进行检测,仿真验证了方法的可行性。     

基于离散小波变换的织物疵点检测方法

提出了一种基于离散小波变换的织物疵点检测新方法。首先通过对采集织物图像进行小波变换,然后把子图分割为相互连接、互不交叠的子窗口,计算每个子窗口小波系数的标准差作为特征值,最后对这些特征值再次计算标准差与极差,以此作为依据与正常织物进行比较,实现对织物疵点的检测。通过对不同疵点进行检测实验,证明了该算法是可行有效的,检测的正确率平均可达90%以上。     

基于曲波变换的渐变镜头转场检测算法

曲波变换在处理“曲线奇异”时有明显的优势。给出了曲波变换的计算方法、公式和具体步骤。对dissolve渐变转场过程中的各相邻帧进行曲波变换。以曲波变换后高频系数的平方作为图像帧的特征量,计算相邻帧间此特征量的欧氏距离。用大量的高清码流对算法进行了实验。实验结果表明,此算法有较高的查全率和查准率。     

基于自适应二进小波变换的人脸检测方法

提出一种基于提升二进小波变换的检测人脸部位（如鼻子、眼睛和嘴唇等）的快速算法。在提升二进小波滤波器中的自由参数是学习的,从便使两个向量（其中一个向量的分量是提升二进小波滤波器系数,另一个向量的分量是人脸某部位像素）之间的夹角的余弦值最大化。学习得到的滤波器应用到测试图像中,可以检测人脸某些部位。实验结果表明,该方法具有较强的鲁棒性,能够很好地解决复杂背景下的人脸检测问题。由于该方法实现的简单性,并容易由硬件实现,使得检测速度进一步提高,因此该方法在可视电话等领域有着广阔的应用前景。     

基于小波变换的图像去噪优化算法

提出了一种基于小波变换的图像去噪优化算法。先通过小波边缘检测法求出有噪图像的边缘图像;再利用广义交叉确认原理求出的阈值对原有噪图像进行小波去噪,得到平滑图像;最后,将边缘图像嵌入平滑图像中,得到去噪后的图像。该算法能在有效去噪的同时保留图像的细节信息,提高了信噪比。     

信号奇异点的分步检测法

针对两种常见的信号奇异点：脉冲型奇异点和阶跃型奇异点,证明信号的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,那么信号的脉冲奇异点将对应于小波基函数的最值点,而信号的阶跃奇异点将对应于小波基函数的原函数的最值点。据此,设计了一个新的基于小波变换的信号奇异点分步检测法（Hierarchical Singular Point Detection based on Wavelet Transform,HSPDWT）,该方法的特点是根据脉冲奇异点和阶跃奇异点的不同特征分两步从信号中提取奇异点。仿真及真实信号上的实验证明了HSPDWT的可行性和有效性。     

基于离散小波变换的语音激活检测

为提高在噪声环境下语音检测的性能,提出了一种基于离散小波变换的语音激活检测(VAD)的方法。算法将语音信号进行3层离散小波变换,通过Teager能量算子(TEO),提取能量比值和能量差值两个参数,最后进行门限判决。实验结果表明,本算法在噪声环境中能够有效地正确判别语音段和噪声段,并且优于G.729B和AMR所提出的VAD的算法。