基于提升小波的红外和可见光图像融合方法

提出了一种基于提升小波变换的红外和可见光图像融合方法.对红外图像进行检测分割,将提取到的目标重要信息融合到可见光图像中.然后进行图像的提升小渡分解,对不同尺度下小波系数进行融合,以像素的局部平均梯度为高频系数融合准则,充分加入原始图像的边缘细节信息.最后依据融合后的小波系数重构图像.实验结果表明,该方法改善了融合效果,提高了运算速度.     

基于Grobner基的对称正交多带多维滤波器组设计

通过引入计算代数中Gr(o)bner基技术和合冲模算法,提出了一种多带多维滤波器组的多相元矩阵的对称正交化设计方法,给出了一个4带二维对称正交滤波器组的设计算例;另外,给出了由多维滤波器组构造多维小波的多维尺度方程表示形式,并将设计得到的4带二维滤波器组构造出一种4带二维小波.     

基于小波的POCS超分辨率图像重建

本文在分析现有SR重建方法的基础上,提出了基于小波的POCS超分辨率图像重建算法。此算法是传统POCS算法的扩展,在小波域执行一些凸投影操作,并利用随机小波系数优化技术来修正高分辨率图像估计的小波子图像系数。     

一种混合噪声图像去噪方法

首先分析了含有高斯白噪声和脉冲噪声的图像必须采用不同去噪方法的原因;然后分别给出了小波变换后的低频子带图像与高频子带图像的去噪方法：用改进的邻域平均法对低频子带图像进行去噪处理。对高频子带图像采用中值滤波、阀值处理、小波系数增强方法去除脉冲噪声;最后对经过处理后的各子带图像进行小波逆变换得到恢复图像;实验结果证明了理论分析的正确性。     

基于突变级数法的油气站场应急管理能力安全评价

在油气管道快速发展的过程中,提高油气站场的应急管理能力显得尤为重要。基于过程管理理论,将油气站场事故应急管理过程分为预防、准备、响应、恢复等四方面,并确定了17个二级指标。针对各部分的突变情况,可从加强危险源辨识、应急演练常态化、完善现场指挥机制、共享信息平台、构建应急策略等方面加强油气站场的应急管理能力。采用改进的突变级数法评价应急管理能力,结果表明,改进后评价结果均匀分布在[0, 1],未造成信息失真,且该方法无需预先对评价指标赋值。     

基于循环神经网络的物料采购需求智能化挖掘方法

为了最大程度保留有价值信息,提升企业对物料采购价格需求挖掘能力,降低挖掘误差,提出基于循环神经网络的物料采购需求智能化挖掘方法。利用小波分析方法预处理初始需求序列,多尺度分解初始序列,获取若干高、低频序列;利用相空间重构多尺度序列高、低频序列,将重构序列引入循环神经网络模型;经模型训练重构数据后,构建物料采购需求智能化挖掘模型,实现物料采购需求智能化挖掘。试验结果表明,该方法能够有效保留初始序列中的价值信息,训练误差和测试误差平均值为3.02%和2.61%,绝对误差和相对误差平均值为0.58%和3.82%,具有较好的实际应用价值。     

虚拟仪器技术与小波分析相结合的信号奇异性的检测

阐述采用虚拟仪器技术和小波分析相结合的方法实现信号奇异点检测的原理和实现过程。利用MATLAB中功能强大的小波分析工具箱进行数据处理;采用近年来发展起来的虚拟仪器技术,用方便简易的编程语言-LabVIEW设计界面和数据采集。LabVIEW和MATLAB混合编程,可以充分发挥它们各自的优点,快速直观地实现信号奇异点的检测。     

基于遗传算法优化卡尔曼滤波模型的GNSS CORS监测数据处理研究

针对矿区GNSS CORS自动化监测数据波动大且含有测量噪声的特性,提出基于小波去噪的遗传算法优化Kalman滤波模型。首先利用小波阈值去噪法剔除原始数据中大部分高频噪声与粗差,再引入遗传算法对Kalman滤波中的过程噪声和量测噪声进行优化,实现噪声自适应寻优。实验结果表明,该组合模型平均相对误差为0.169 mm,均方误差为0.042 mm,相比于标准的Kalman滤波模型及方差补偿自适应Kalman滤波模型,具有更高的预测精度,能更好应用于矿区沉降监测。     

基于改进巴特沃斯滤波的红外图像增强算法

一般的红外图像存在着对比度低、噪声相对较高、部分细节模糊等特点,在进行后续的工作之前,对其缺陷进行处理是十分重要的。而传统的巴特沃斯滤波去噪在处理红外图像时,存在着细节失真、去噪效果不佳等缺点。针对上述问题,提出了巴特沃斯滤波的改进红外图像增强算法,通过在频域上对图像进行分层,之后再使用改进巴特沃斯滤波分别对其进行处理,并且在MATLAB平台上验证了该算法的有效性。该改进算法在原有的处理效果的基础上,对图像的细节信息进行了突出,与传统算法相比较,该算法具有边缘突出、细节连贯等优点,去噪效果有显著提高。