单幅图像多尺度小波深度提取算法

针对浅景深图像中平滑前景区域深度提取误差大的问题,基于像素点分类思想对深度值进行修正,提出一种基于多尺度小波线索的、可同时面向单幅浅景深图像和广角图像的深度图提取算法.首先使用小波分析法在多个尺度下提取图像深度信息;然后提出自适应分类法并根据尺度与深度变化规律对像素点做深度修正,得到深度图;最后结合区域生长与边缘分割算法对深度图进行区域优化.为了加快深度计算,还提出了快速zerocount法以及多尺度加速法来满足标清视频实时处理要求.实验结果证明,采用文中算法获得的深度图相对深度正确,前景和背景区域深度一致性好.     

IGA-DFNN在瓦斯浓度预测中的应用

为了准确预测采煤工作面的瓦斯浓度,提出免疫遗传算法优化的动态模糊神经网络瓦斯浓度动态预测方法。用无线传感网络系统采集工作面瓦斯浓度数据作为样本,通过小波分析对样本数据进行降噪滤波预处理。采用IGA算法对DFNN网络参数进行优化,建立了瓦斯浓度的预测模型。通过MATLAB仿真研究表明,所建模型对采煤工作面的瓦斯浓度演变趋势预测合理,并且经过IGA算法优化DFNN网络比单纯的DFNN网络具有更快、更准确的预测功能,可以为防治煤矿瓦斯积聚提供更好的理论支持。     

基于组合方法的人脸识别算法研究

该文试探一种加权融合流形学习的方法进行人脸识别,该算法通过Haar小波和局部线性嵌入（LLE）加权融合的方式来进行人脸识别。首先通过Haar小波变换对人脸图像进行一级分解,得到四个子图;然后利用LLE算法对四个子图降维处理,并加权融合;最后利用支持向量机（SVM）进行分类判决。通过在ORL库中进行实验,结果表明,该文提出的Haar＋LLE识别效率比单独使用主成分分析（PCA）和LLE更高效。     

一种基于小波系数边信息的鲁棒水印算法

为了实施图像的版权保护,提出了一种基于小波系数幅值关系的盲水印算法。原始图像通过三级小波分解得到小波系数,算法在密钥的控制下,伪随机地选择中频子带中两块共8个系数组成一组。通过小幅度量化来加强每组数据中两块系数幅值的大小关系特征,利用这组系数的特征作为边信息和水印信息生成密钥、嵌入水印。保存密钥,并在密钥的控制下提取水印。实验结果表明,该算法不仅能有效抵抗JPEG压缩、低通滤波、高斯噪声和几何攻击,而且水印图像的PSNR可以保持在50 dB以上。     

油气管道堵塞检测及定位技术研究

针对油气输送管道中的堵塞现象,提出利用管道堵塞前后两端压差的剧烈变化,以及利用管道两端压力的模拟值与实际测量值的差异来检测管道的堵塞,提出通过检测管道水力坡降曲线奇异点的方法确定油气管道的堵塞位置的原理和方法,通过采集管道两端运行参数,并建立管道运行的数学模型,对管道实施仿真,获得整条管线的水力坡降曲线,再应用小波变换对管道的水力坡降曲线进行奇异性检测,而管道水力坡降曲线的奇异点将对应管道的堵塞位置.该方法具有所需设备少,操作费用低,操作简单等优点,优于现有管道堵塞位置确定方法.     

基于Morlet小波变换和改进遗传算法的动态识别

如何合理地识别大型复杂结构的动力参数一直是工程领域关心的问题.为此,以Morlet小波变换和采用单亲遗传算子的改进遗传算法为基础,构造一结构动态参数识别模型.并且以C++为平台,通过计算机内部命令调用ANSYS等软件,实现识别模型的程序化.通过模拟算例计算,计算结果与理论值一致.同时,结合一水电站厂房现场振动试验,对该大型结构进行动态参数识别,识别结果与工程经验值基本吻合.     

小波变换在求解重力测定反问题中的应用

针对重力测定反问题,提出将其离散为线性不适定问题,利用小波变换方法进行数值求解.该方法将小波变换和正则化方法相结合,选取小波函数作为一组基底,将原不适定问题转化为粗子空间上的适定问题,并给出选取粗子空间基的方法.通过数值模拟已有方法和小波变换方法求解结果的比较,表明了小波变换方法的可行性和有效性.     

基于小波分析和遗传神经网络的模拟电路故障诊断方法*

针对BP网络极易收敛于局部极小点与过拟合等缺点,在构建小波神经网络的基础上,提出用遗传算法优化BP神经网络的模拟电路故障诊断方法.该方法使用小波作为预处理工具,经PCA分析和归一化后提取输出信号的能量信息作为特征向量,用遗传BP神经网络作为故障识别器,对模拟电路故障进行诊断.与传统BP神经网络相比较,结果表明,该方法可明显改善神经网络结构、提高故障诊断的精度和速度.     

小波域声呐图像自适应增强

声呐图像受噪声污染严重、对比度低,给后期的定位识别带来不便,而传统的处理方法容易造成边缘模糊.针对这一问题,提出了一种图像自适应增强算法.该算法利用形态小波对声呐图像进行自适应的多分辨率分析,分别增强不同尺度上的信号或细节,通过多通道重构图像的加权实现去噪和对比度提高.仿真结果表明该算法快速有效,对高斯噪声和冲击性噪声都具有较好的鲁棒性,处理后的声呐图像边缘细节信息保留完好,得到了理想的增强效果.     

双阈值法在文字轮廓提取中的应用

在图像的边缘检测中,利用模角分离的小波变换,结合尺度独立的算法区分了阶梯型边界和跳跃型边界,从而提取了阶梯型边界．上述算法中需选择峰值阈值,将小波变换系数较小的点滤掉,但是一幅图像中边缘的奇异性并不均匀,对变换后的整幅图像取固定阈值时,那么微弱边缘将会随着因灰度不均匀、噪声等一并被滤除．针对这一问题,在上述算法中用双阈值法代替固定阈值,在文字图像轮廓提取中取得了较好的效果．