基于DTCW-ERE的小电流接地系统故障选线

小电流接地系统发生单相接地故障时,各馈线的小波能量分布各不相同。本文提出了一种基于故障线路小波综合能量相对熵的选线新方法。双树复小波变换(DTCWT)具有很好的近似平移不变性和抗混叠性;能量相对熵(ERE)具有对信号间细微差别进行识别的超强能力。结合双树复小波变换与能量相对熵的优点,根据故障线路综合小波能量相对熵最大的原则进行选线,能够使故障选线更直观、快速有效。仿真结果表明,该方法可以准确有效的进行配电网故障选线。     

基于父系数及邻域系数的DTCWT图像去噪方法

目前小波变换（DWT）在图像去噪中的应用取得了较好的效果,但DWT不具有位移不变性和良好的方向性。而二维双树复数小波变换（DTCWT）由于具有良好的平移不变性和方向选择性,比传统的二维离散小波变换具有更好的图像去噪能力。根据基于当前系数与父系数及邻域系数间的关系,本文构造了DTCWT图像去噪阈值计算公式,提出了一种去噪声新方法PNDTCWT（Parental and neighboring coefficients of DTCWT）。该方法在对图像进行二维DTCWT变换后,利用阈值公式根据当前系数和父系数及相邻系数计算收缩阈值,对当前系数进行去噪处理。最后经过二维DTCWT反变换,得到去噪结果。实验结果表明,PNDTCWT的噪声抑制效果明显优于各种基于DWT的去噪方法和其他DTCWT去噪方法。和基于父系数的DTCWT去噪方法相比,PNDTCW的PSNR平均提高了0.5dB左右。从视觉效果来看,PNDTCW在去除噪声的同时,能较好的保留图像细节,物体轮廓显得比较平滑,不存在传统DWT算法中的混淆现象。     

基于BEMD与双树复小波-局部Wiener滤波的毫米波图像去噪

为了有效地去除毫米波图像中含有的噪声,提高目标识别的精度,提出一种将二维经验模式分解(BEMD,Bidimensional Empirical Mode Decomposition)与基于双树复小波变换(DTCWT)的加窗局部Wiener滤波相结合的图像去噪算法。首先,对毫米波图像进行BEMD分解,得到不同特征尺度的本征模函数(IMF,Intrinsic Mode Function)子图像集;其次,利用双树复小波变换对中高频IMF子图像进行多尺度、多方向分解,并结合带有椭圆方向窗的局部Wiener滤波算法对各个高频方向子带进行去噪;最后通过DTCWT逆变换重构得到去噪后的IMF,并与残差图像相加进行BEMD重构。实验结果表明,该融合算法与单独的BEMD,DTCWT-Wiener滤波及离散小波变换-Wiener滤波算法相比,去噪后图像的视觉效果更好,提取的目标的边缘及细节特征更清晰,因而峰值信噪比最高。     

采用非采样Contourlet变换与区域分类的红外和可见光图像融合

提出基于多尺度变换和区域相结合的红外与可见光图像融合方法,用于有效保留红外图像与可见光图像中的空间信息及热目标信息,提升融合图像的可观测性和可理解性。首先,基于非采样Contourlet变换(NSCT)方法对红外和可见光图像进行初步融合,采用基于局部能量的规则融合低通子带系数,根据尺度内各方向子带的相关性原则融合带通方向子带系数。然后,计算初次融合后所得的融合图像与源图像的结构相似性(SSIM),根据源图像与初次融合图像的结构相似程度对图像进行区域分类,得到相似区域分类标识图。最后,依据区域内各自的相似度特性,分别采用不同的融合策略进行二次融合,从而得到最终的融合结果。实验结果表明:该方法能够充分提取源图像的区域特征和纹理特征,融合结果在主观和客观评价上均优于目前流行的融合方法。与仅使用NSCT法进行融合相比,实验所采用的两组图像的质量评价指标分别提高了16%、85%、54%、36%和18%、102%、84%、41%。表明该方法在主客观评价上均优于双树复杂小波变换(DTCWT)、NSCT、冗余离散小波变换(RDWT)等方法。     

手形、掌纹和掌静脉多特征融合识别

单一生物特征识别技术无论是在识别率还是稳定性上都不能达到完美无缺,特别是高仿生物特征的出现使其安全性受到质疑。针对上述问题,提出一种手形、掌纹和掌静脉多特征融合识别方法。提出了基于小波变换Gabor滤波器的特征层和图像层融合策略,将同一设备不同光照采集下的掌纹和掌静脉融合到一起,突出各自的主纹理特征;利用手指相对长度为手形特征进行初匹配,提出利用分块纹理基元模型进行掌纹和掌静脉融合图像的特征提取方法,然后进行二次匹配给出最终识别结果。开发了模拟系统并进行了相应的实验,结果表明该识别系统充分发挥了3种特征各自的优点,提高了识别率和稳定性,特别是掌静脉的加入增强了系统的安全性。     

基于双密度双树复小波变换的局域自适应图像去噪

提出一种基于双密度双树复小波变换的局域自适应图像去噪算法。首先,分析了双密度双树复小波变换的原理及特点,给出了双变量收缩函数(BSF)的推导。然后,对噪声图像并行使用四个二维双密度离散小波变换,且行和列采用不同的滤波器组,实现对噪声图像的双密度双树复小波分解。根据小波系数的统计特性以及层内和层间系数的相关性,采用结合局域方差估计的双变量收缩函数对小波系数进行处理。用收缩后的小波系数重构去噪图像。最后,将该算法用于灰度图像和彩色图像去噪。实验结果表明：在噪声方差为30时,经该算法去噪后图像与噪声图像相比,获得最高的峰值信噪比增益达11.72dB,平均结构相似度最高增加2.7倍,复合峰值信噪比增益达11.68dB。且对不同噪声方差下的不同噪声图像,该算法在滤除噪声的同时保留更多的细节,去噪图像的视觉质量得到很大的改善。     

应用第二代Curvelet变换的遥感图像融合

提出了一种基于第二代Curvelet变换遥感图像融合算法。将具有高空间分辨力的Pan图像与Ms图像的待融合波段图像进行直方图匹配,并对直方图匹配后的Pan图像与待融合波段Ms图像分别进行Curvelet变换分解,得到各自的低频子带系数和各带通方向子带系数;采用一定的融合规则对Curvelet变换系数进行组合得到融合图像的Curvelet系数;最后对组合后的系数进行Curvelet重构得到该波段具有高空间分辨力的Ms图像。对IKONOS卫星遥感图像的仿真实验结果表明:与传统的基于亮度-色调-饱和度彩色空间变换融合算法相比,该算法使融合后的Ms图像整体光谱保持度提高了10.54％,而与传统的基于小波变换的图像融算法相比,其空间质量提高了0.81%~1.12%, 有效解决了基于亮度-色调-饱和度彩色空间变换融合算法中光谱失真严重和基于小波变换图像融合算法中空间质量较低的缺点,使得融合后的Ms图像在最大可能地保持原始Ms图像光谱特性的同时,显著提高了融合图像的空间质量。     

滚动轴承故障检测的改进包络分析法

提出了一种基于连续小波变换和谱峭度分析的改进包络分析方法,并将其应用于滚动轴承的故障检测之中。该方法的核心是自动确定由轴承缺陷所引起的共振频率所在的频带,自动构建最佳包络来进行故障诊断,该方法已成功地应用到了对故障轴承振动信号的仿真和实测,并取得了满意的结果。     

融合全局-颜色信息的尺度不变特征变换

由于尺度不变特征变换(SIFT)算法只针对图像的局部特征进行描述且忽略了图像的彩色信息,当待匹配图像中存在大量形状相似区域时,误匹配率很高。本文对SIFT图像匹配法进行了改进,提出了SCARF(Shape-color Alliance Robust Feature)图像匹配算法。为解决SIFT常出现的误匹配现象,构造的SCARF算子利用SIFT检测子提取图像的特征点集,通过建立同心圆坐标系,在SIFT原有框架的基础上融入全局形状信息和颜色不变信息,并采用欧氏距离作为匹配代价函数进行描述子匹配。对包括SCARF算法和SIFT算法在内的5种不同匹配算法通过INRIA数据库进行了实验验证,实验结果表明:SCARF算法在图像模糊、局部特征相似、JEPG压缩和光照变化等复杂变换情况下,匹配准确率优于SIFT等其他算法,降低了误匹配的概率,明显提高了匹配的稳定性和鲁棒性。     

掌纹图像采集装置的研究

鉴于目前掌纹采集系统都采用扫描仪或图像采集卡采集掌纹,利用PC机来实现掌纹识别的系统结构,本文提出了一种新型的基于DSP的掌纹采集系统。通过视频解码器SAA7113H将掌纹图像转换成数字图像,利用TI公司的TMS320VC5509A DSP为控制芯片,实现了脱机模式的掌纹图像的采集。通过掌纹图像采集实验,得到了采集最佳掌纹图像的光源及光学结构。由实验所得结论,该系统满足实时性要求,有很高的识别率。     

基于二维小波变换的图像处理算法研究

小波变换是一种快速发展和比较流行的信号分析方法,已广泛地应用于图形、图像处理,语音处理,视频处理以及数字信号处理等领域。由于小波变换的良好特性,使其在众多实际应用中都能得到很好的应用,并取得比原有技术更好的实际效果,本文从二维小波理论出发,对其在图像处理的应用上进行了一些分析和处理,反映出小波分析在图像处理方面的特点。     

局部方向模式在非接触掌纹识别中的应用

提高非接触掌纹识别系统的性能是目前掌纹识别领域一个具有实际意义的热点。针对非接触掌纹识别系统的鲁棒性问题,以掌纹图像的纹理特征为基础,提出一种基于局部方向模式(LDP)的掌纹识别方法,设计并实现了符合应用环境的嵌入式系统。LDP方法主要利用了Kirsch八方向算子的边缘响应值,从而获取图像的纹理方向模式特征。首先给出LDP算法的基本模型和流程,然后将非接触掌纹图像分成大小均匀的区块,利用LDP算法获取不同区块的纹理特征直方图向量,并进行融合形成总的模式特征,最后使用Chi距离测度进行匹配识别。在香港科技大学(HKUST)和自建的非接触掌纹图库上进行了实验测试,结果表明,该方法正确识别率可达97.824 4%和96.754 7%,相比其他典型和流行方法,最高可提升6.452 9%和5.995 6%。同时在室内环境下,利用自行设计的嵌入式原型装置进行了初步实际测试,结果表明,该方法正确识别率可达96.193 3%,具有可行性和有效性,提高了非接触掌纹识别系统的性能。     

光学子波用于图像处理

在目标图像的处理中,对图像进行空间子区分割,利用于波函数的局域化和多尺度的特性,对有目标信息的子区进行光学子被函数变换;并对有目标信息子区中的子波函数进行多通道并行处理,避免了繁琐的数学运算,提高了图像处理速度,可快速给出准确的目标特征.文中阐述了一维子波函数光学变换用于图像处理的方法,通过光学方法将图像进行子区分割,并运用子波函数的特性对子区中图像信息进行光学子波变换,通过多路光学通道同时提取图像的边缘信息.本文基于子波变换的理论对光学子波变换的原理进行了详细论述,建立了一套完整的光学子波变换的实验系统,并给出了具有理论依据的实验数据.     

生物特征模板保护综述

近年来频繁出现的网络安全事件使得网络安全上升到国家战略的高度,可靠的互联网身份认证是互联网应用的关键环节,基于生物特征的身份认证技术可以保证用户物理身份和数字身份的一致性而受到关注。为了保护生物特征模板的安全性和隐私性,近年来提出了生物特征模板保护研究。首先分析了生物特征识别系统面临的安全问题,对生物特征模板保护技术在生物特征识别系统中的定位和具体概念进行了介绍。其次,基于国内外的研究工作,归纳了各类生物特征模板保护技术的特点、效果和应用范围,包括生物哈希、不可逆变换法、密钥绑定以及密钥生成等;阐述了每类方法的主要思想、代表性工作以及主要特点,并从隐私性、实用性、敏感性、安全性和认证性能方面对其中的典型方法进行了总结对比;进一步介绍了多生物特征融合的模板保护算法,主要包括多模态生物特征和单模态生物特征的不同特征融合的模板保护方法。最后,对生物特征模板保护存在的问题进行了分析,并对进一步的研究方向进行了展望。     

基于Harris角点检测和聚类算法的掌纹图像ROI提取方法

为了实现从掌纹图像中提取出稳定的感兴趣的区域(ROI)图像的目标,设计了一种新的掌纹ROI提取方法。使用Harris角点检测算法对二值化后的掌纹图像进行角点提取,收集相应区域的角点,利用聚类算法得到角点簇的中心点坐标,从中寻找关键点建立坐标系,提取ROI。分别利用该方法在不同掌纹数据库中进行了ROI提取实验。实验结果表明,该方法对不同的掌纹数据库图像均能保持很好的提取效果,成功率均达到了99%以上。     

基于循环平移和DTCWT的声呐图像滤波方法

声呐图像散斑噪声的存在严重影响声呐图像的人工判读和自动识别。声呐图像散斑噪声滤波是声呐图像处理领域的一个重要难题。双树复小波变换(DTCWT)因其具有近似的平移不变性、良好的方向选择性已被应用于图像滤波。但这种平移不变性的近似性使得DTCWT不能较为彻底地抑制伪吉布斯现象,而导致滤波后图像的边缘存在一定程度的模糊。为了减小伪吉布斯现象和声呐图像边缘模糊,将循环平移与DTCWT结合使用,提出一种基于循环平移和DTCWT的声呐图像滤波方法。实验结果表明,该方法在滤除声呐图像散斑噪声的同时能够较好地保持声呐图像的边缘。     

基于自适应PCNN和小波变换的多聚焦图像融合算法

提出了一种基于自适应PCNN和小波变换的新型多聚焦图像融合算法。首先,对待融合的两幅图像进行小波分解得到两组多尺度图像,然后在小波域充分利用PCNN的同步激发特性,进行基于PCNN的融合策略设计。使用不同频率下小波系数的局域熵作为PCNN对应神经元的链接强度,经过PCNN点火获得参与融合图像在小波域中的点火映射图,根据点火时间计算点火映射梯度图,再通过判决选择算子,判定并选择点火时间梯度最大的小波系数作为融合系数。最后对融合后的小波系数进行重构生成融合图像。该方法中,根据设置的迭代次数来确定阈值调整时间常量 ,从而在迭代结束时,所有小波系数均得到激发,充分反映了点火时间的先后次序。实验结果以及与其他融合算法的比较分析表明,所提出的算法能有效地突出边缘细节、更好地保持图像的空间分辨力。     

彩色图像三维六边形离散余弦变换编码

为了适应人眼视网膜细胞的正六边形结构的排列方式并充分利用彩色图像各颜色分量间的相关性,提出了一种基于六边形采样的三维离散余弦变换方法。该方法根据传统的矩形采样和正六边形采样之间的关系来完成两者的转换; 然后在已有的六边形离散余弦变换的基础上提出三维六边形采样的离散余弦变换,并验证它的能量集中性。最后,在同一个模型下建立彩色图像的空间位置和颜色分量,并利用提出的方法分别以不同的子图大小对不同的图像进行整体变换。实验结果表明：相对于传统的矩形采样,提出方法的压缩比提高了约51.1%,峰值信噪比提高了约16.3%,从而有效地降低了彩色图像各颜色分量间的相关性。得到的结果表明,利用六边形采样技术可以提高采样率,降低编码速率。     

Increasing the accuracy of ECG based biometric analysis by data modelling

Here an effort is made to use human electrocardiogram as a tool of biometric analysis for authentication. The proposed method is based on first accurate extraction of characteristic features from each ECG and then design of a suitable classification methodology to comment on the authenticity. As the feature matrix is a huge one, Principal Component Analysis (PCA) is applied to avoid handling of large amount of data. Next, the reduced features from PCA are fitted into a quadratic polynomial model by the method of least square. Then the fitted values for the allowed set of data is obtained and the range over which they vary, provides the signature matrix of a person. Finally the classification is done by a comparison based on nearest neighbor method. The method is tested on ECG of 20 individuals taken from PTB database. This method has accuracy more than 95% with the best fit modeling which becomes only 80% without data modeling proving the importance of best fit modeling of data before classification. This accuracy is comparable with conventional biometric techniques; moreover, ECG biometric can be used with other authentication scheme, with ECG providing liveliness proof.     

基于压缩感知的红外与可见光图像融合

基于压缩感知理论提出了一种红外与可见光图像的融合新方法。该方法将Contourlet变换(CT)和小波变换(WT)相结合,以进一步增加变换后系数的稀疏性,同时对采样模式和融合规则进行改进。首先对图像进行Contourlet变换,再对各高层分解系数进行正交小波变换;然后使用各层采样率不同的分立双放射形采样矩阵对系数采样,并用不同的规则对各层采样值进行融合;最后使用非线性共轭梯度法重构融合图像。实验结果表明,在采样率为0.5时,本文方法融合图像的细节信息比小波方法和小波变换压缩感知(WTCS)方法更加丰富;在所有采样率上,本文方法的融合效果比WTCS法在互信息、空间频率和融合信息逼真度等客观融合质量评价指标上均提高约10%。