具有平移、尺度和旋转不变性的小波变换

寻求具有平移、尺度和旋转不变性的小波变换,是应用小波分析进行模式识别需要重点解决的课题。普通的离散小波变换对信号的起始位置非常敏感,不具有平移不变性。本文通过坐标变换,采用方向能量函数确定图像主轴方位,并将其旋转到水平方向得到方向归一化图像。通过对图像的重整和正交小波基的位移、伸缩变换,消除位移和尺度的影响,得到具有平移、尺度和旋转不变性的小波变换。     

小波变换在信号消噪中的应用

小波分析具有时间平移和多尺度分辨率的特点,是目前信号处理领域中十分活跃的理论.本文介绍了小波原理以及信号消噪原理和方法,并将小波变换与傅立叶变换进行比较,仿真结果表明,小波变换是一种有效的消噪方法.     

小波变换在信号消噪中的应用

小波分析具有时间平移和多尺度分辨率的特点,是目前信号处理领域中十分活跃的理论。本文介绍了小波原理以及信号消噪原理和方法,并将小波变换与傅立叶变换进行比较,仿真结果表明,小波变换是一种有效的消噪方法。     

一种基于投影的小波矩及其在图像识别中的应用

该文提出了一种基于图像投影的小波不变量算法。首先将图像投影到一维空间,然后引入一种平移和比例不变自适应一维小波变换,利用该变换获得图像的平移和比例不变特征。由于图像的旋转导致特征矩阵发生行之间的循环平移,该文利用奇异值分解进行研究,得到的奇异值向量具有图像的3个不变性。实验分析表明,本文方法具有较好的图像识别效果。     

基于纹理特征的图像检索

构造了具有旋转、平移和尺度不变的纹理特征,进而提出基于纹理图像检索算法.首先,根据角向矩极大原理将检索图像进行坐标校正,得到图像旋转不变的表示;然后,利用平移和尺度不变小波对检索图像进行分解,得到具有平移、旋转和尺度不变的小波分解系数;最后,采用各尺度的小波能量值刻画图像的纹理性,并针对特征向量内部进行高斯归一化,根据欧氏距离计算不同图像间的纹理相似度.基于内容的图像检索(CBIR)试验表明,该方法具有旋转、平移和尺度不变性,与其它方法相比,具有较高的检索率.     

基于旋转、平移和尺度不变的平稳小波图像去噪

针对传统的离散正交小波变换对信号的起始位置比较敏感的特点,提出了具有旋转、平移和尺度不变的平稳小波变换,将图像变换到极坐标,采用方向能量函数确定图像主轴方位,并将图像主轴旋转到水平方向得到方向归一化的图像。然后通过对图像的重整和小波基的位移、伸缩、旋转,来消除位移和尺度的影响。采用基于Bayesian自适应阈值估计的方法,通过最小化Bayesian风险函数获得具有最大信噪比的图像近似最优消噪阈值,提出一种利用输入数据直接得到渐近最优阈值的图像去噪方法。实验结果表明,所提出的方法能够在去除噪声的同时很好地保留图像的边缘,是一种有效的图像去噪方法。     

一种基于质心不变特性的仿射不变纹理特征提取算法

 仿射不变模式识别是模式识别问题中的一个难点问题,本文提出了一种基于全局特征的仿射不变特征提取方法.算法从仿射变换的数学模型出发,利用仿射前后图像质心位置的不变特性,以质心为极点将图像从笛卡尔坐标系变换到极坐标系,然后利用对数变换和Radon变换分别将各向异性的尺度变换和旋转变换转化为平移变换,在此基础上利用具有平移不变性的非下采样小波变换提取变换图像的平移不变特征,实现了对图像的仿射不变的特征提取.将此算法运用于仿射纹理图像分类中,实验结果表明达到了较高的识别率.     

基于Radon和小波变换的图像检索

提出一种基于Radon和小波变换的图像纹理特征检索算法.对原始图像进行坐标系的方向归一化,再对方向归一化后的图像进行Radon变换.根据Radon变换投影数据的几何特性,构造了适合投影数据的具有尺度和平移不变性的小波分解,该小波分解系数具有旋转、平移和尺度不变性.采用图像中各尺度小波系数的能量值作为图像的纹理特征,以此作为纹理特征进行图像检索.基于纹理特征的试验结果表明该特征具有旋转、平移和尺度不变性,与其他算法相比具有较高的检索率.     

一种基于平移不变的小波阈值去噪算法

经典的D.L.Donoho小波阈值去噪算法在信号的奇异点处会产生Pseudo-Gibbs现象，从而使去噪后的信号在急剧变换部分产生振荡现象。为了抑制Pseudo-Gibbs现象，提出了一种基于平移不变的小波阈值去噪方法，在一定的平移量范围内，对分析信号进行循环平移，然后对这个新信号进行阈值处理，得到去噪后的信号，再对该信号作相反的循环平移，重复这一过程，对所获得结果求平均，就得到原始信号去噪后的估计信号。仿真实验的结果证明了算法的有效性。     

基于平移不变的小波变换去噪快速算法

在介绍小波变换去噪理论的基础上,针对传统的小波变换去噪算法的缺陷,提出了一种基于平移不变的小波去噪快速算法.着重探讨平移不变小波去噪方法中平移量的选取对去噪效果以及计算复杂度的影响.仿真实验证明该算法能够在不影响去噪效果的前提下,较大程度降低计算复杂度.     

A translation- and scale-invariant adaptive wavelet transform

This paper presents a new approach to deal with the translation- and scale-invariant problem of the discrete wavelet transform (DWT). Using a signal-dependent filter, whose impulse response is calculated by the first two moments of the original signal and a scale function of an orthonormal wavelet, we adaptively renormalized a signal. The renormalized signal is then decomposed by using the algorithm of the conventional DWT. The final wavelet transform coefficients, called adaptive wavelet invariant moments (AWIM), are proved to be both translation- and scale-invariant. Furthermore, as an application, we define a new textural feature in the framework of our adaptive wavelet decomposition, show its stability to shift and scaling, and demonstrate its efficiency for the task of scale-invariant texture identification.     

基于小波变换的信号去噪

小波分析是现代数字信号处理的重要分支。为实现基于小波变换的图像去噪,以小波变换为基础,对一维信号及二维图像信号进行去噪。实验结果表明,基于小波变换的图像处理可以有效地去除噪声,与传统的信号分析技术相比,小波变换能在对信号进行消噪的同时,更好地保留原始信号。     

基于最优小波包基的信号增强算法研究及应用

本文介绍了小波包分析的基本理论以及小波包信号降噪的基本原理,与小波变换相比,小波包变换则是对小波分解中所得到的高频部分再继续细分为一些子频带,具有更精细的信噪分离能力,所以对包含大量中、高频信息的信号能更好地进行时频局部化分析。小波包变换在信号去噪中有着非常重要的应用,因此利用小波包对信号进行消噪也越来越受到科学界的关注。本文的主旨在于研究最优小波包基函数的选取方法,以小波包分析为基础,根据最小代价原理研究信号分解的最佳小波包基,从而在最优小波包基的基础上获得最好的信号增强效果。     

小波变换在表征飞行器弹道特征点中的应用

航天飞行器外弹道测量数据是分析和评估飞行器飞行实验是否成功的重要依据，也是改进飞行器控制系统设计、提高制导精度的重要依据。飞行器外弹道特征点测量数据处理的目的是通过处理雷达对航天飞行器开舱、级间分离、姿态改变等特征点的测量数据，计算出测量数据精确的突变（奇异）点时刻。由信号小波变换的奇异点在多尺度上的综合表现来表示信号是小波变换引人注意的另一应用领域。小波分析具有空间局部化性质，利用小波分析来分析信号的奇异性及奇异性的位置和奇异度的大小是比较有效的。     

A new de-noising method based on 3-band wavelet and nonparametric adaptive estimation

Wavelet de-noising has been well known as an important method of signal de-noising. Recently,most of the research efforts about wavelet de-noising focus on how to select the threshold,where Donoho method is applied widely. Compared with traditional 2-band wavelet,3-band wavelet has advantages in many aspects. According to this theory,an adaptive signal de-noising method in 3-band wavelet domain based on nonparametric adaptive estimation is proposed. The experimental results show that in 3-band wavelet domain,the proposed method represents better characteristics than Donoho method in protecting detail and improving the signal-to-noise ratio of reconstruction signal.     

基于小波变换的自适应多模红外小目标检测

小波变换是一种有效的红外小目标检测方法。然而,在不同的子带、不同方向上,信号和噪声所呈现的特性不同,采用单一的阈值往往无法得到一个令人满意的检测结果。针对这一情况,提出了一种基于小波变换的自适应多模红外小目标检测算法。该算法可以根据不同尺度和方向上噪声的分布自动调整阈值,使得检测结果更加有效。其中分别采用了自适应Bayes Shrink阈值和广义交叉验证阈值处理每个子带的小波系数,接着再利用处理后的系数重构小波图像,最后通过一个简单的全局阈值分割得到红外小目标。实验结果表明,与对照方法相比,所提出的算法具有更好的检测性能和鲁棒性。     

基于双Haar小波的软门限去噪

小波变换是用于信号多尺度表示的非常有用的工具。在一些实际问题的应用中,如何选取最佳的小波,是一个非常重要的问题。本文首先提出了一种双Haar小波,它可以看作是Haar小波在三通道小波变换的推广。然后,给出了该小波在信号去噪中的应用。实例表明与Haar小波相比较,双Haar小波在信号去噪中可以给出更好的结果。     

波形匹配小波设计及其在信号数据压缩中的应用

小波变换被广泛应用于信号数据压缩领域,如何选择小波基,达到用稀疏系数最优表示信号是提高压缩比的关键问题之一。该文提出了选用与信号波形最优相似的小波基压缩一维信号,并提出了构造此类小波基的方法。利用结构化小波滤波器组以及新的波形相似准则,给出了构造最优匹配小波基函数的算法。将此小波应用于一维信号数据压缩,结果表明,与其它的小波相比,所构造的最优匹配小波对信号具有更好的压缩性能,说明文中提出的方法是有效可行的。     

小波变换及其在信号去噪中的应用

介绍了小波变换理论及基于小波变换去除信号噪声的基本原理和方法.研究利用小波变换技术对噪声进行阈值处理和去除非平稳信号的噪声,并应用Matlab软件实现了小波去噪的计算机仿真,仿真结果表明小波变换去除噪声的效果优于传统的Fourier变换.     

一种新的信号去噪方法及在激光信号中的应用

小波去噪是信号去噪的主要方法之一,目前的研究主要集中于如何选取阈值使去噪达到较好的效果,其中Donoho的阈值方法应用广泛.与传统双通道小波变换相比,三通道小波变换具有很多优势.基于这一理论,结合非参数自适应估计,推导出了一种适用于三通道小波域的自适应的信号去噪方法.实验证明,与三通道小波域中基于Donoho方法的去噪相比,该方法可以更好地保护细节以及提高重建信号的信噪比,在激光超声信号处理中也表现出良好的性能.