正交小波包分析在遥感图像融合中的应用

小波变换具有优良的时频局部特性,但由于其尺度是按二进制变化的,存在“高频低分辨”这一缺陷.正交小波包分析能够将信号(图像)频带进行多层次划分,对多分辨分析没有细分的高频部分进一步分解,从而提高了频率分辨率,能有效地提取特定的频率成分.推导了小波包分析的基本原理,给出了基于正交小波包分析的遥感图像融合算法.最后,通过实例说明正交小波包分析的有效性和优越性.     

采用双树复小波结构相似性度量的景象匹配北大核心

以基于人类视觉系统的图像结构相似性度量为基础,双树复小波变换为工具,将复小波变换域下的结构相似性度量应用于景象匹配系统中,提出了对于图像空域变换具有较强鲁棒性的景象匹配方法。测试试验表明,双树复小波结构相似性度量从较大程度上反映了相比较图像在结构方面的相似性,同人类视觉认知系统更接近;同时由于复小波的近似位移不变性,该指标对于实时图存在对比度、光照变化等干扰情况表现出较好的鲁棒性,更适合作为复杂成像条件下景象匹配的相似性度量指标。景象匹配实验表明,该方法在复杂干扰下具有更高的正确匹配率。     

基于EMD的改进小波阈值降噪法在超声信号处理中的应用

针对超声检测回波信号中的大量噪声,分析了超声检测回波信号的特性,考虑经验模式分解（EMD）和小波哗噪的优点,在改进阈值函数基础上提出一种基于EMD的小波阈值降噪方法．该方法利用EMD对超声信号进行分解,对高频分量用改进小波阈值函数方法进行处理,再结合低频分量重构得到降噪信号．仿真实验结果表明,该方法降噪效果优于小波软、硬阂值降噪,进一步提高了重建信号的信噪比,降低了其均方根误差,是一种可行的超声信号降噪方法．     

基于自适应阈值的FAST特征点提取算法

FAST特征提取算法阈值选取固定,因此不能满足不同图像的特征点抽取要求,并且提取的结果存在着多个特征点块的现象。针对这些缺陷,首先采用动态全局阈值对原始灰度图像进行初步提取得到候选特征点,然后采取动态局部阈值和非极大值抑制法进一步对候选特征点进行筛选,从而达到自适应选取阈值和抑制多个特征点块的目的。实验表明,改进后的算法稳定性高,对不同光照和对比度情况下有一定的适应能力,并且运算量相对比于其他一些特征提取算法要小得多,满足实时应用的要求。     

基于Grobner基与合冲模方法的M－带对称正交小波设计

通过引入计算代数中Grobner基以及合冲模的相关算法,提出对多相位矩阵进行正交化,从而得到了同时具有对称性和任意正则阶的M-带正交小波的高效设计方法。与现有方法相比,克服了构造过程复杂以及不能保持线性相位的缺陷。     

小波变换在过零调制信号检测中的应用研究

将小波分析理论应用于配电网络过零调制信号的检测中,解决了在强噪声、低信噪比的配电网络中通信误码率高的难题,提高了系统的信噪比。给出了小波变换Mallat算法的分解和重构公式。信号仿真表明,应用该方法可以很好地从复杂环境下提取有用信号的特征。     

二值化联合变换相关器识别复杂背景目标时的阈值选取

讨论了利用二值化联合变换相关器对复杂背景目标进行相关识别的阈值选取问题。由于不同阈值对二值化联合变换相关器识别结果有很大的影响,阈值过高,会损失过多的联合变换功率谱中的有效成份,使相关峰减弱;阈值过低,会使联合功率谱中的噪声放大,相关峰可能被淹没在噪声之中。因而存在一个最佳阈值。实验表明,最佳阈值位于联合功率谱最大灰度值的40%～50%之间,在此阈值范围内,相关峰值较高,噪声也得到有效抑制。     

基于小波变换和中值滤波的无人机图像去噪算法

在无人机航拍图像的实时传输过程中,有可能会同时受到脉冲和高斯混合噪声的污染,为后续图像的识别造成很大的困难.针对这种情况,提出了一种基于中值滤波和小波变换相结合的图像去噪方法.仿真结果表明,该方法不仅能有效地滤除脉冲和高斯的混合噪声,而且可以很好地保留图像的细节信息,改善图像的视觉效果.     

基于多分辨率分析的雷达辐射源融合识别算法

结合信号融合识别的应用需求与多分辨率分析的特点,提出了一种基于多分辨率分析的雷达信号融合识别算法。该算法对获取的信号先进行小波变换后直接对信号进行融合识别。仿真实验表明:该方法在减少数据量的同时能够降低信息的损失,提高信息利用率,较好地保证信息的完整性,可有效提高信号识别性能。     

融合阈值法和边缘提取的图像分割算法

针对阈值法分割目标区域不完整和边缘提取断续边缘多的问题,提出了一种融合阈值法分割和多尺度边缘提取的图像分割算法。该算法充分利用阈值分割提供的目标区域信息和边缘提取给出的边缘信息,采用基于区域生长的最大轮廓法连接断续边缘,填充目标孔洞,完成目标分割。利用Matlab平台对该算法进行了验证,结果表明:该算法能有效分割出目标完整轮廓。