基于多尺度小波包分析的肺音特征提取与分类

提出了一种适于非平稳肺音信号的特征提取方法.以4种肺音信号（正常、气管炎、肺炎和哮喘）为样本数据,通过分析肺音信号的时频分布特点,选择了具有任意多分辨分解特性的小波包.对小波包进行空间划分后找到了适合肺音特征提取的最优基,并基于最优基对肺音信号进行快速多尺度的分解,得到了各级节点的高维小波系数矩阵,建立了小波系数与信号能量在时域上的等价关系,并将能量作为特征值,构造了低维的作为分类神经网络的输入特征矢量,大大降低了输入特征的维数.研究表明该算法的识别性能是高效的.     

基于PCA的图像小波去噪方法

目前使用的各种小波去噪方法基本上都是建立在对噪声方差精确估计的基础上，而对噪声方差的精确估计是很困难的．提出了一种采用主分量分析（PCA）提取小波系数的主要特征，通过对小波域中噪声能量的估计来实现去噪的新方法．首先利用PCA对小波高频子带进行局部特征提取；然后以主分量对小波系数进行重建的平均能量作为局部噪声能量的估计；将原小波系数的能量减去噪声能量，就得到去噪后的小波系数；最后用小波逆变换对剔除噪声分量后的小波系数进行恢复得到去噪后的图像．本文算法无需对噪声方差进行估计，因而更具实用价值．本文算法与“软阈值”、“硬阈值”去噪方法相比，峰值信噪比（PNNR）提高了2～8dB．实验证实了本文算法良好的去噪性能。     

小波域图像加密的模运算实现

将一种模运算运用于小波域来进行图像加密,同时利用混沌映射的参数敏感性和伪随机性对小波变换后的系数进行加密处理,实现图像信息的高强度加密,来确保基于网络图像信息的安全。采用的模运算不仅具有像Ａrnold等变换对图像进行拉伸和折叠的作用,而且可以在很大程度上节约计算时间。仿真实验结果表明这种模运算映射与混沌序列相结合的方法运用于小波域加密有很好的效果,加密强度高,保密性强,计算时间短,恢复图像与原图像的一致性良好。     

基于区间小波编码的图像混沌加密技术

针对图像小波编码混沌加密技术中出现的边界效应问题，提出了基于区间小波编码的混沌加密新技术。相对于传统的图像延拓方法，该方法在小波变换前后，不需要对图像进行特殊的延拓处理，在对图像加密的同时，压缩了图像文件规模，有效地消除了边界效应。此外，调整参数L的大小，可满足对图像恢复精度的不同要求。实验结果表明，在参数L=1时，信号恢复精度已满足要求。     

多尺度小波变换与斑点图像处理

提出一种具有自适应性的多尺度小波变换斑点图像处理算法。根据取对数归一化后的斑点图像小波系数的特性,采用高斯混合模型和Bays估计进行图像处理。详细介绍了多尺度小波变换算法原理及仿真实验。     

利用多进制小波变换和模糊c-均值聚类进行纹理分割

提出了一种基于多进制小波变换的多纹理特征提取方法,通过对小波系数的标准差作为纹理测度以生成特征向量,利用模糊c-均值聚类算法进行纹理分割,获得了较好的实验结果。     

基于EZW算法的遥感影像网络渐进传输

基于小波变换的嵌入式零树小波编码是一个简单有效的影像编码算法,通过分析该算法特性,针对其零树构建过程中较长的时间消耗,改进其方法以缩短编码时间;并针对现行地理信息可视化平台影像显示过程的跳变现象,结合人眼视觉特性,设计了一种渐进网络传输方案。     

基于小波变换的噪声检测快速独立分量分析

机械或电气设备工作噪声的测试分析是实时故障检测诊断的重要手段,通常情况下,传感器检测得到的信号是多个噪声源叠加的结果,可采用独立分量分析(ICA)方法分离出待检测对象信号.提出先对混合信号小波系数序列进行独立分量分析,再做小波逆变换得到分离信号.与直接的ICA比较,小波系数比原始信号的超高斯性更强,因此分离处理的收敛速度更快,分离效果更好;由于在小波变换的过程中可以引入阈值去噪,因此基于小波变换得到的分离结果较之常规方法有更强的抗噪能力.     

一种带纠错功能的鲁棒数字图像水印算法

提出一种基于水印数据纠错置换的数字图像水印嵌入方案.通过对二值水印图像进行置换,引入纠错机制,并将其应用于传统的小波域算法中.实验结果表明,在相同的水印嵌入强度和攻击强度条件下,通过引入纠错机制,可以显著提高水印在抗JPEG压缩、抗剪切、抗缩放、抗中值滤波、抗噪声干扰等方面的鲁棒性.     

异步BCI系统中运动想象诱发脑电特征识别

针对异步运动想象脑机交互（Brain Computer Interface,BCI）系统中空闲状态检测和不同想象任务分类的问题,在小波变换提取脑电信号特征基础上,设计了阈值判别结合支持向量机的二级分类器。由于大脑想象单侧肢体运动时,会导致同侧和对侧运动皮层脑区EEG信号在μ节律上分别出现事件相关同步和去同步,而大脑处于空闲状态时则无此现象。基于大脑活动的这一特性,提出了小波能量阈值判别法,进行空闲状态检测,径向基核函数和交叉检验的支持向量机方法,进行左、右手运动想象任务分类。结果表明该分类器最佳分类正确率达到了80.7%,且整个时间消耗仅为3.0 s,可以较好地满足异步在线运动想象BCI系统的应用。