基于小波变换的多目标检测方法研究

针对图像序列中多个运动弱小目标的检测问题,提出了一种用于基于小波变换与帧间差分相结合的检测方法.算法首先对原始图像进行小波变换,利用小波变换增强了目标与背景之间的差别,然后使用帧间差分方法对小波变换后的水平分量和垂直分量进行运算,计算出多个运动的弱小目标.与传统的帧差分方法相比,该方法利用小波变换增强了目标与背景之间的差别,帧间差分运算的区域小,速度快.实验结果表明,使用该方法可以对信噪比为2.9的目标正确提取,减小了虚警率,抗噪声干扰能力强.     

一种基于小波和MP变换的细粒度视频编码算法

针对目前的细粒度算法的计算复杂度大(如Matching Pursuit编码,简称MP编码)或者视频质量有各种效应(如离散小波变换编码DWT)的缺点,提出了一种基于小波变换和MP变换联合的细粒度视频编码算法。对连续的8帧视频采用一维小波变换,然后对变换后第1帧低频图像用二维小波变换,其它7帧高频图像信息采用MP变换编码,并采用基于能量的原子搜索与基于人眼视觉特性的分配策略。实验表明,该细粒度算法对帧间运动较小的视频应用,有较高的恢复质量。     

基于相邻尺度小波变换乘积的镜头渐变检测

镜头边界检测是进行视频内容分析的首要步骤。提出一种基于相邻尺度小波变换乘积的镜头边缘检测方法。对镜头内的每帧视频图像进行小波变换,求出各帧图像相邻尺度小波变换尺度积的模和方向。计算连续帧图像尺度积与模之间的绝对距离,得到2帧图像间的不连续值。通过自适应阈值分割,检测出镜头边界。     

基于提升小波变换的火灾图像识别

基于提升算法的小波变换具有算法简单、运算速度快、占用存储空间小的特点。针对火灾图像实时性强、火焰边缘含有大量火灾特征信息等特点,结合图像处理技术和小波分析理论,提出基于提升小波变换的火灾图像识别方法。运用小波提升算法提取视频帧图像的边缘。通过火焰面积判据和火焰尖角判据识别是否有火灾发生,实验证明基于提升小波变换的火灾图像识别方法准确性高,实时性强。     

基于小波变换的视频帧积分算法研究

本文研究了基于小波变换的图像帧积分技术及其在图像增强处理中的作用。帧积分技术可以有效改变视频图像质量,但传统的帧积分技术不可避免地会使图像发生饱和失真的情况。本文针对传统帧积分的缺陷,提出了利用小波变换后各尺度信息存在互补性的技术进行帧积分的思路。     

基于动态分组的三维小波变换方法

为了实现高质量的视频压缩,文中提出了基于动态分组(DynamicGroupofFrame based)的三维小波变换方法(3D V Forward)。与以往的三维小波变换方法相比较,该方法能显著减少视频压缩解压缩过程的时间延迟,能避免基于固定帧分组的(GroupofFrame based)三维小波变换方法(3D GOF)对视频质量的不利影响,仿真结果表明了该方法的有效性。     

帧同步混合小波包变换快速算法及其在语音处理中的应用

帧同步的小波包快速算法是一种类似FFT的小波变换算法。本文提出帧同步混合小波包的分析方法，其特点是在发挥小波变换的时频分析特点的同时，分析时窗能够满足语音处理中帧长的要求，从而可以实现实时处理。这种混合小波包具有完全重构特性。文中用实验对比表明了帧同步混合小波包分析的优越特性。     

基于三维小波变换的视频散列算法

针对视频水印系统的安全性问题,提出一种基于三维小波变换的视频散列算法。该算法对预处理后的三维视频序列依次进行行方向一维小波变换、列方向一维小波变换和时间方向一维小波变换,完成视频序列的一层三维离散小波变换,并给出散列计算结果。仿真实验证明,该算法对帧内像素移动攻击及随机帧抖动攻击具有较强的鲁棒性。     

小波变换在人脸语音动画合成中的应用

提出了一种基于小波变换的人脸语音动画合成的平滑方法:将小波变换与数学形态学相结合,从相应音素的图像帧中提取出特征区域的边缘,实现特征点的精确定位。在此基础上进一步对相应区域进行三角剖分,通过前后两帧图像之间的变形产生中间帧,最终合成较为平滑、真实的人脸语音动画效果。     

RDWT域全相位子带运动补偿视频编码方法

当前小波视频编码技术的一个研究热点是如何提高运动补偿的效率．提出了一种基于RDWT（冗余离散小波变换）域的奎相位子带运动补偿视频编码方法．运动补偿过程在参考帧和当前帧的RDWT域进行，使用提出的RDWT小波块结构，利用RDWT域的全相位子带信息提高运动补偿效率．在RDWT域形成预测数据后变换到空域得到预测帧和残差帧，对残差帕进行DWT变换，SPECK小波系数编码．实验表明提出自寺方法获得了较好的编码效率．     

IHS变换与小波变换相结合的图像融合新方法*

提出了一种IHS变换与小波变换相结合的图像融合新方法。对多光谱(TM)图像的强度分量和全色(PAN)图像分别进行小波分解,根据小波变换高低频分量的不同特点,分别采取不同的高低频融合准则形成新的小波高低频分量,再先后进行小波逆变换和IHS逆变换得到融合后的TM图像。实验结果表明,提出的图像融合算法明显改善了融合图像的客观评价和主观视觉效果。     

故障信号检测时最佳小波基的选择

介绍了小波变换的基本理论及信号奇异性检测的原理。重点研究了故障信号检测的最佳小波基函数及分解尺度的选择问题,按照小波规则性系数选择小波基,这种方法是基于小波变换系数的大小与小波函数和信号之间的相似程度成正比,即小波变换系数越大,说明此小波与所分析信号相似度越高;反之就越低。仿真实验证明该方法的有效性和可行性。     

基于变换域和噪声估计的路面图像去噪研究

针对不考虑噪声的统计分布,仅使用傅里叶变换或小波变换对图像进行降噪处理会带来图像的失真（扭曲）的问题,提出基于变换域和噪声估计的图像去噪方法。算法根据傅里叶变换和小波变换对图像的有效表示侧重点不同,以及图像噪声在不同变换域下的统计特性,提出先将图像进行傅里叶变换,根据噪声的统计特性构造传递函数H,使用Wiener滤波器进行降噪处理,得到一次降噪图像;再对图像再进行小波变换,根据噪声在小波的各尺度下,以及同一尺度下的不同特性,分别采用软门限降噪法和MMSE准则的降噪方法,得到二次降噪图像。仿真实验证实,该算法能有效提高降噪效果,降噪后的图像不失真,包含噪声少。     

连续小波变换在传感器故障诊断中的应用

小波变换在信号分析与处理中有良好的局部性质.主要研究基于连续小波变换极值点的方法在传感器故障诊断中的应用.对输入信号输出信号进行连续小波变换,利用该变换求出输入输出信号的奇异值,然后去除由于输入突变所引起的极值点,则其余的极值点对应于传感器的故障.在MATLAB平台下,仿真结果表明,该故障诊断方法可以有效地进行故障检测和定位.     

区域特征动态加权的IHS小波遥感图像融合

研究传统的IHS变换、小波变换和两者结合的图像融合方法,提出一种区域多元特征动态加权的IHS小波遥感图像融合算法。结合IHS变换和小波变换的优点,对匹配后的新全色分量和IHS变换后多光谱图像的亮度分量,采用多元特征动态加权法进行小波融合。实验结果表明,与传统融合算法相比,该算法在空间细节增强和光谱信息保持方面性能较优。     

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。     

小波去噪仿真研究与实验

小波分析对于信号处理具有十分重要的作用.使用Mallat小波变换方法在已知噪声频率范围情况下对信号处理效果较好,但无法消除信号中的大量未知白噪声.引入SURF阈值,对小波进行过滤处理,可以有效过滤白噪声.设计基于SURF阈值改进的Mallat变换法进行去噪实验,得出结果并与单一Mallat小波变换法结果进行对比,得出改进后的Mallat小波变换法可以去除大量白噪声,使信号更加光滑、保真.     

融合小波变换与KPCA的分块人脸特征抽取与识别算法

鉴于小波多尺度变换对高维图像特征具有良好的压缩和表达能力,提出了一种融合小波变换与KPCA(核主成分分析)方法的分块人脸特征抽取与识别算法。该算法首先对人脸图像进行分块小波变换,再根据图像块的位置分布选取不同的频率分量;然后对此分量进行KPCA特征抽取,并通过对抽取到的特征进行融合来得到最终人脸鉴别特征;最后利用支持向量机分类器进行特征分类与识别。通过对ORL和Yale标准人脸图像库的实验仿真结果表明,该算法不仅在识别性能和分类速度上明显高于传统的PCA方法及融合小波特征的KPCA方法,而且对于人脸光照、姿态和表情变化均具有良好的鲁棒性。     

基于HSV变换与小波变换的遥感图像融合

在IHS变换与小波变换相结合的图像融合法的基础上提出了一种近似的图像融合方法,即基于HSV色彩空间模型与小波变换的图像融合法.传统的IHS变换融合法会产生较大的光谱失真和退化现象,而基于HSV色彩空间变换的融合法则较好的保留了多光谱信息,通过将HSV色彩模型与小波变换相结合,使得融合图像无论在细节纹理还是多光谱信息上都得到了很好的保持.通过Matlab平台实验对比表明,新算法具有较好的融合效果,且优于IHS与小波变换融合法.     

数字图像的小波算法及快速小波变换

小波变换是近几年来兴起的一种新的变换方法 ,主要特点是通过变换能够充分突出问题某些方面的特征 ,因此 ,小波变换在许多领域都得到了成功的应用 ,特别是其离散数字算法在图像分析领域取得了重大突破。但是 ,小波变换的算法一般相对来说比较复杂 ,而其处理速度往往也成为制约其发展的瓶颈。该文从小波变换的基础出发 ,给出了一种针对数字图像的小波矩阵算法 ,并实现了快速小波变换的算法和流程 ,为实际应用编程提供了有效的理论依据