基于提升方法的脉搏波信号处理

小波变换在信号处理中有着广泛的应用,但是传统的小波变换依赖于傅立叶变换,有大量的卷积运算,运算速度较慢。文章讨论了第二代小波变换的原理,并采用第二代小波变换来处理脉搏波信号。提升算法是构造第二代小波的关键技术,它不依赖于傅立叶变换,可实现整数小波变换,大大提高了运算速度。通过分析提升算法的基本原理,尝试用第二代小波变换对脉搏波信号进行去噪处理;并介绍了小波软阈值法和硬阈值法,分别采用这两种方法进行降噪处理,将结果与传统小波变换处理的结果进行比较,得到了令人满意的效果。     

基于改进EZW的感兴趣区域图像压缩算法仿真

针对公路收费站牌照拍照系统对于图像压缩的特殊要求,该文提出了一种静止图像的感兴趣区域压缩算法。该方法通过引入快速逐次逼近量化和对小波变换边缘子带的特殊处理,对EZW算法进行了改进。并以改进的EZW算法为基础,对感兴趣区域的图像进行高质量编码,而对背景图像进行粗糙编码。该方法对于那些对感兴趣区域的图像编码质量要求较高,而对背景图像则要求较低的应用场合非常有效。经实验证明,该方法既能够保证感兴趣区域的高质量图像压缩,又节省了大量的存储空间。     

基于小波变换的血压信号特征提取方法研究

该文针对传统的人体血压信号特征提取方法的不足,提出了一种了基于小波变换的人体血压信号特征量提取方法。人体的血压信号是一种非平稳的低频信号,使用Marr小波对人体血压信号进行小波变换的时间一尺度分解,可以得到人体血压信号的模极大值曲线;通过选择合适的分解尺度,可以有效地滤除噪声,对人体血压数据进行消噪处理;进一步滤除奇异性极大值点,可以提取出动脉波动位置和动脉波动幅度信息。文中给出了算法的完整实现,并利用实际采集的人体血压数据验证了该算法,得到了波峰模极大值点和心脏跳动所发生的精确时刻,为人体血压信号的参数识别奠定了基础。     

一种新的有色噪声背景下chirp信号参数估计方法

提出一种先用二次型变换将非平稳的线性调频（chirp）信号转化为平稳形式、然后再用互谱MUSIC方法做后续处理的chirp信号参数估计方法。与其它方法相比,这种方法的突出优点是复杂度低、运算量小,且能在附加较低信噪比（-5dB）的有色噪声情况下可靠工作。仿真实验证明了该方法的正确性和有效性。     

基于小波的大脑图像边界跟踪算法研究

准确提取医学图像中目标的边界在图像处理分析和医疗应用领域具有重要意义。针对大脑图像中纹理复杂,难以区分非正常区域和正常区域边界的问题,本文提出了一种基于小波多尺度分析的边界跟踪方法。该方法首先对原始大脑图像进行小波变换,得到图像的多分辨率表示,然后利用一种改进的轮廓跟踪算法对最低分辨率的图像进行跟踪,最终获得了大脑中非正常区域的边界。实验结果表明该算法可以有效地去除噪声以及脑部正常纹理的干扰,提取出目标特别是非正常区域的边界特征,执行效率高,跟踪准确。     

基于小波变换的音频水印算法

提出一种将水印同步与水印嵌入分开处理的新型数字音频水印算法。利用DWT低频分量能量集中、抗干扰能力强的特点,通过对其进行滤波来提取特征点,在特征点指定位置的中频分量进行多次的水印嵌入。由于使用多重密钥控制且同步准确,因而算法具有很强的鲁棒性和安全性。     

基于纹理特征融合约减的虹膜识别研究

为了获得更完整的虹膜特征,通过空域和频域两个角度提取纹理特征,以变化分数维和小波特征值共同构成虹膜的初始特征序列．然后使用多目标遗传算法对所抽取的特征序列进行优化约减,最后以优化好的特征序列来训练虹膜分类器对虹膜进行识别．并针对虹膜认证实际应用中变化的安全性要求,使用了非对称的支持向量机．实验结果表明,结合时域和频域的特征序列较好地反映了虹膜的纹理变化特性,提高了虹膜识别的正确率．     

一种基于广义形态变换的采样方法

提出了一种基于集合势的广义形态变换形式。该变换能反映结构元素作用于目标对象的强度,控制对目标对象的过度膨胀或过度腐蚀。在广义形态变换性质研究的基础上所提出的广义形态采样方法,能更好地保留图像的形态信息和边缘信息。测试结果表明,基于广义形态变换的采样方法在提高形态变换效率及保持图像细节信息方面相对于现有的采样方法都有一定程度的改善。     

基于离散小波变换的Overcomplete ICA并行结构

本文利用离散小波变换提出了一种过完备独立成分分析（Overcomplete ICA）的禀性结构,它是一个由两个子Overcomplete ICA过程组成的混合系统。其中一个过程将高频的小渡部分作为输入,另一个过程将低频的部分作为输入。这两个过程的输出结果最后被合并为最终的结果。对比现有的Overcomplete ICA算法,本文提出的方法利用了全部的观测信息,而两个子过程的有效输入长度仅为原来的一半。因此,本文提出了一种处理Overcomplete ICA问题的新途径。文中的实验数据显示,通过此方法可以成功地分离混合的声音数据。     

Retinex和小波变换去除遥感图像云雾方法分析

基于遥感图像中的云和景物信息频率分布特征,介绍了改进的Retinex方法和小波变换两种去云方法的基本原理,并结合实验分析两种方法的优缺点。Retinex算法对较暗区域的图像处理有明显效果,改进的Retinex方法则是基于经典Retinex,对具有较高亮度的遥感图像通过图像变换方法达到去云的目的。小波变换方法是将图片进行适当层次的小波变换,增大低层细节系数,突出景物信息,减小高层细节系数,适当减小近似系数,最后将所有系数重构,得到重构图像。实验结果评价及数据表明:基于小波变换方法优于Retinex方法。