Mallat算法的光学实现方法

现有的光学小波变换方法均基于连续小波变换,基于离散信号的小波变换算法（Mallat算法）的光学小波变换还没有出现,这阻碍了光学小波变换应用的发展。针对这一问题,分析利用光学4f系统实现Mallat算法的基本原理,提出Mallat算法的光学实现方法。针对空间光调制器只能实现非负的实函数,且CCD只能记录光的强度,给出一种应用于光学4f系统的光学小波滤波器的设计方法。使用该种光学小波滤波器,利用光学4f系统实现Mallat算法的小波分解部分,并通过数值计算实现Mallat算法的小波重构部分。仿真分析和光学实验结果验证了方法的正确性。     

基于光电混合实现机器人视觉传感器研究

为了提高机器人视觉系统的图像处理速度,利用光电混合实现的方法,将光学小波变换应用于视觉系统.通过电寻址空间光调制器在4f系统上加载小波滤波器,实现图像的特征提取与辨识.研究结果表明,基于光电混合实现的视觉系统可行,利用光波传递信息可以大大提高视觉信息的处理速度.     

双树复小波滤波器构造及其在机械故障诊断中的应用

为了减少能量泄露,提高双树复小波对机械故障非平稳信号的时频分析能力,从滤波器的构造入手,首先改进滤波器传递函数,保证滤波器正交性,增强对称性;优化分层滤波器算法,加强滤波器紧支性,提高重构精度;最后对尺度函数滤波器初始冲击响应向量进行时频域优化。根据复小波实部和虚部互为hilbert变换的关系和Q-移位的思想,给出了滤波器设计计算的基本要求和原则。将该法构造的小波滤波器引入能量泄露和信号降噪仿真实验,并在实践中诊断滚动轴承的机械故障。实验表明:该法构造的双树复小波对能量泄露有明显的抑制作用,信号降噪可以获得比常规双树复小波、离散小波更高的信噪比,能更好地提取隐含在强噪声中故障信息。说明该双树复小波滤波器算法的有效性和可行性。     

测试系统中非平稳信号的时频优化小波包检测算法

非平稳信号为测试系统所测试分析的主要目标之一.对于这些信号传统的检测方法(例如:傅里叶变换)不能起到有效的分析作用.小波包变换是非平稳信号分析的常用工具.Shannon小波函数是现有的单小波家族中唯一能够对信号频域进行严格划分的小波函数,但是由于其时域的非紧支性限制了其应用.本文通过对Shannon小波函数的时频联合优化,改善了其在非平稳信号检测过程中的性能;首先在时域上,改写其时域表达式,并保留其频域的紧支性,提升了其时域的紧支性;其次在频域上,提出了对Shannon小波函数频域滤波器的插值算法,改善其频域的滤波性能;再次,通过牛顿插值法给出了算法的快速实现;最后,做出了仿真实例.结果表明,通过本文的算法,改善了Shannon小波包变换的性能,使其成为测试系统关于非平稳信号检测的有效手段.     

一种基于几何含义的B样条小波分解重构简易算法

由于B样条基函数及其对应的小波不具有平移正交性,因而不能用现有的Mallat快速算法进行小波变换.文中在分析B样条小波分解重构思想的基础上,着重研究了B样条基函数在不同尺度下伸缩平移系之间的内在联系,用清晰的几何含义描述了重构矩阵的求解过程.该算法概念清晰,计算简单,结果稳定.最后用该算法给出了一条复杂曲线分解重构的实例.     

基于提升方法的整数小波在DSP上的实现

在理论上探讨了基于提升框架的整数小波变换(IWT)及其硬件实现问题,并在TI公司的TMS320C6000DSP上实现了图像处理中两种常用滤波器LEGall(5,3),Sweldens(13,7)提升结构的整数小波变换,同时在DSP上对上述滤波器实现了滤波器组(FBS)方法的离散小波变换(DWT).将提升方法的IWT同FBS方法的DWT在硬件上的运行时间作了比较.结果表明,IWT的运行速度比DWT的运行速度快.本结果可用于评价DSP在图像编码中的运行情况,也可估计出采用此种算法每秒能处理的图像数目.理论和实验均表明,基于提升方法的整数小波变换是一种运行速度快,易于硬件实现,并能实现图像无损压缩的算法.     

基于Mexican Hat小波变换和区域生长的光学轮廓术的研究

提出了一种新的基于结构光投影的光学轮廓术的测量算法.该算法利用Hilbert变换和Mexican Hat小波变换进行相位提取,利用小波变换的平滑功能实现初步滤噪和消除高次谐波.然后利用基于截断相位差统计分布和区域生长算法进行解包,并通过对无效点的判断和解包后的邻域平滑实现了准确的相位解包.文中通过仿真计算证明了该方法较...     

采用非局部均值的超分辨率重构

由于传统的超分辨率重构无法在工程应用中对含有局部运动图像进行有效的运动估计及重构,本文提出一种采用非局部均值(NLM)的超分辨率重构方案.简要介绍了具有较好去噪特性的非局部均值滤波器,分析了超分辨率重构的代价函数,根据构造出的非局部均值超分辨率重构算法的代价函数及其求解,对提出的方案进行进一步的优化和化简,最后得到一种易于工程实现的重构算法.实验结果表明,提出的算法不仅具有NLM算法的优点,即不需进行显式的运动估计就能得到更清晰、细节更丰富的重构图像;而且重构速度比简化前的NLM算法提高将近30％,有望应用于具有复杂运动的图像的超分辨率重构.     

改进的基于压缩感知的单幅图非均匀校正

针对单幅图非均匀校正中小波变换不能分解红外图像中相当丰富的高频子带以及正则化正交匹配追踪(ROMP)重构算法需要已知红外图像的稀疏度等问题,提出了一种基于小波包变换结合稀疏度自适应压缩采样匹配追踪算法(Co Sa SAMP)实现对图像的重构,从而达到校正图像的目的。该方法利用小波包变换对原图像稀疏,将点样本矩阵作为测量矩阵,提取原红外图像的25%数据,利用改进的中值直方图算法校正提取的数据,然后利用Co Sa SAMP重构图像。研究结果表明:与基于小波变换压缩感知的非均匀校正相比,本算法在均方根误差、峰值信噪比方面都得到了进一步的改善,均方根误差降低了30%左右,列间均值更加接近理想校正图像效果,图像重构质量好。     

基于双密度双树复小波变换的局域自适应图像去噪

提出一种基于双密度双树复小波变换的局域自适应图像去噪算法。首先,分析了双密度双树复小波变换的原理及特点,给出了双变量收缩函数(BSF)的推导。然后,对噪声图像并行使用四个二维双密度离散小波变换,且行和列采用不同的滤波器组,实现对噪声图像的双密度双树复小波分解。根据小波系数的统计特性以及层内和层间系数的相关性,采用结合局域方差估计的双变量收缩函数对小波系数进行处理。用收缩后的小波系数重构去噪图像。最后,将该算法用于灰度图像和彩色图像去噪。实验结果表明：在噪声方差为30时,经该算法去噪后图像与噪声图像相比,获得最高的峰值信噪比增益达11.72dB,平均结构相似度最高增加2.7倍,复合峰值信噪比增益达11.68dB。且对不同噪声方差下的不同噪声图像,该算法在滤除噪声的同时保留更多的细节,去噪图像的视觉质量得到很大的改善。