基于小波多分辨率分解的图像压缩技术及分析

阐述了小波变换理论,分析了小波多分辨率分解的优点以及小波变换用于图像编码压缩的特点和实现方法,并表明小波变换是实现图像压缩的一种十分有效的工具。     

基于小波多尺度分解的印鉴图像配准

论文提出了一种基于小波多尺度分解的印鉴配准方法。用一维环投影向量的循环移位来代替二维图像的旋转。利用小波分解结果,采用大尺度特征向量来进行相关性分析,实现图像配准。其主要优点是算法具有很强的抗干扰性并且具有广泛的适用性。     

基于小波多尺度奇异值分解的人脸识别

作为一种矩阵分解方法,奇异值分解可用于提取图像的代数特征。图像的奇异值特征具有很多好的性质,如稳定性、几何不变性、对噪声的不敏感性。但是只用一个尺度的图像奇异值特征难以获得高识别率。基于小波变换和奇异值分解,提出了基于小波多尺度奇异值分解的图像特征提取方法,将多个尺度的小波子图奇异值特征组合起来用于人脸识别,在ORI, YALE和JAFFE 3个人脸数据库上的识别率分别达到82.11%,100%和95.68%.     

级联离散小波多频带分解注意力图像去噪方法

针对图像去噪网络中下采样导致高频信息损失和细节保留能力差的问题,设计了一种级联离散小波多频带分解注意力图像去噪网络。其中多尺度级联离散小波变换结构将原始图像分解为多个尺度下的高低频子带来代替传统下采样,能减少高频信息损失。多频带特征增强模块使用不同尺度的卷积核并行处理高低频特征,在子网络每一级下重复使用两次,可增强全局和局部的关键特征信息。多频带分解注意力模块通过注意力评估纹理细节成分的重要性并加权不同频带的细节特征,有助于多频带特征增强模块更好地区分噪声和边缘细节。多频带选择特征融合模块融合多尺度多频带特征增强选择性特征,提高模型对于不同尺度噪声的去除能力。在SIDD和DND数据集上,所提方法的PSNR/SSIM指标分别达到了39.35 dB/0.918、39.72 dB/0.955。实验结果表明,所提方法的性能优于主流去噪方法,同时具有更清晰的纹理细节和边缘等视觉效果。     

基于小波多分辨率分析的图像边缘检测研究

本文就图像边缘检测的多分辨率分析模型和小波变换多分辨率边缘检测方法进行了分析研究,对基于小波分析的图像边缘检测研究现状进行了分析和总结。明确了研究方向和重点主要集中在小波基的构造和选取,阈值的选取,小波分解的尺度选取,以及小波分析方法和其他方法的结合使用。     

应用小波多分辨率理论提取个性特征的研究

利用小波多分辨率的理论对语音信号进行信号分解,结合其发声特性,分析高低频段对说话人识别的贡献大小,根据识别结果的分析,提取出了可以综合识别时间和识别效率的特征参数。实验结果表明,一层分解后的小波细节系数识别率为94.4%,比原信号MFCC提高7%,而数据个数却比原信号降低了一半,二次分解后的高频段语音依然得到了较高识别率,提取出的较低频信号也可以达到70.8%的识别率。     

基于小波多尺度分解的Mean Shift图像滤波方法

将小波多尺度分解与传统Mean Shift滤波算法相结合提出的一种有效的图像滤波方法。先将含噪声图像进行Mallat塔式分解,获得不同尺度、不同频带的子图像。将低频近似图像保持不变,对高频细节进行Mean Shift滤波,最后将低频近似图像与高频滤波后的图像进行合成得到去噪后的图像。由于Mean Shift算法是一种迭代方法,要保证较高的数值计算精度则需要较多的迭代次数,耗费较长的计算时间,为克服这一缺点,提出了采用Fourier级数来近似计算高斯函数。实验结果表明该方法在降低噪声的同时能够尽可能的保留图像细节,其去噪效果优于传统的高斯滤波、Wiener滤波方法和单一小波域值法和Mean Shift滤波方法。     

一种基于小波多分辨率的数字水印方法

基于小波多分辨率的分解重构，提出了一种数字水印方法。该方法是将一幅二值化图像作为水印，不借助原始图像，能方便、可靠地检测出水印。实验表明嵌入水印后的图像及检测水印图像视觉失真率低，嵌入水印有很好的鲁棒性。     

小波多分辨率的谐波正弦语音建模

谐波正弦语音模型因固定帧长不能使每个谐波得到最佳分辨率,而分辨率决定着语音的建模效果。因此提出小波多分辨率的谐波正弦语音模型,将谐波语音信号通过小波变换分解成多分辨率子带信号,利用谐波正弦语音模型对这些子带信号独立建模,将建模后的各子带信号相加合成。仿真实验显示该模型的信号重构误差降低约两个数量级,通过PESQ软件测试得到的MOS分值约提高0.3。     

DPCM与自适应Huffman结合的压缩算法

为了解决大容量雷达数据传输,满足雷达原始视频信号实时无损的要求,根据雷达原始视频信号的特点,给出了采用DPCM(DifferencePulseCodingModulation)与自适应Huffman编码相结合的压缩编码方式,分析了该算法的有效性和溢出问题,实验表明该方法相对于传统的自适应Huffman编码而言能改善实时性,提高压缩比。     

基于自适应重采样的雷达信号压缩算法

针对实际应用中雷达采集的信号数据量较大、难以实时传输和存储的问题,提出一种基于自适应重采样的雷达信号压缩算法。对雷达信号进行分段处理,根据每段信号频谱的特点自适应地确定一个重采样率,通过对信号的重采样实现对雷达信号的压缩,利用零插值和低通滤波实现对信号的重构。实验结果证明了该算法的有效性。     

基于最优小波和序列二次规划的信号压缩算法

为了寻找待压缩信号的最优小波,提出了一种适用于一维和二维信号的寻找其最优正交小波的算法.首先根据小波变换的多分辨分析原理,把待压缩信号投影在其小波变换子空间v-1和w-1上;然后令其在w-1上的投影达到最小并据此推出最优小波滤波器的推导公式;最后,基于序列二次规划求出给定信号的最优小波.实验清楚地显示了用新算法求出的最优小波的正确性,并表明用此算法得出的最优小波进行信号压缩,在压缩比不变的情况下,效果优于D-8小波等其他常见小波.     

基于小波变换的雷达测量数据分析

通过对信号奇异性、小波方法检测信号奇异点原理的探讨，研究了小波对数据信号奇异点的识别与处理方法，得出了用于雷达数据奇异点检测的小波函数的选取原则．通过某次卫星发射任务雷达测量数据的奇异性分析，准确地判定了雷达跟踪测量的数据丢失点和重新捕获点，达到了数据奇异性点准确定位和分析其奇异性类型的目的．     

基于整数小波变换的高质量视频压缩技术

在分析MPEG4中精细可分级编码方案的基础上，提出了一种基于整数小波变换的准精细可分级编码算法，试验结果表明该算法能够满足高质量视频压缩的需要。     

基于FPGA的雷达视频压缩技术研究

根据雷达视频数据量大、目标信息较为重要的特点,设计并实现了一种基于FPGA的高分辨率雷达视频压缩方案。该方案针对压缩过程中算法较为复杂,且有大量浮点运算、乘法处理等高计算复杂度的问题,对DCT、量化、编码等核心处理模块分别进行了优化设计。在一片Stratix IV GX EP4SGX230KF40C4芯片上进行了验证,结果表明,该设计方案资源占用率低,压缩后图像质量较好,对于1600x1200分辨率的视频处理速度可达50帧／秒以上,满足高分辨率雷达视频实时压缩的要求。     

基于小波不变矩的雷达辐射源信号识别

针对雷达辐射源信号识别,提出一种基于时频分布的小波不变矩特征向量提取和识别分类方法。对雷达辐射源信号时频图像进行处理,对图像进行小波变换,提取小波矩的特征向量。采用支持向量机分类识别的方法,对特征向量进行训练,实现信号识别。对6种常见雷达信号进行分类,结果表明在信噪比较低的情况下也能取得较好的识别效果,在SNR为-3 dB时,识别正确率仍达到93.9%。     

基于小波的信号分析

简介小波概念之后,对一组模拟信号进行分析,采用小波变换,选出合适的小波函数,处理后再重构。对采用Mexican hat小波、Shannon小波、Meyer小波这三种不同小波得到的去噪结果进行比较,验证信号的滤波效果与选取的小波类型有较大的关系。     

基于小波变换的视频压缩新方法

提出了以小波变换为核心技术的视频压缩系统的具体实现方法，设计了系统的整体框架，对各个模块都提出了改进和具体实现的算法。对于帧内图像的编码，提出了Mallat小波变换的改进延拓算法，加入了感觉加权量化。对于帧间图像的编码，针对低码率电视会议的特点改进了三步搜索法，在保持低复杂度的基础上提高了搜索的精度，同时为了提高编码效率，对运动补偿后的残差图像也进行小波编码。实验表明，这种算法的性能优于传统的视频压缩方法。     

基于小波变换的雷达信号调制类型识别方法

为适应复杂环境下雷达信号脉内分析的需要,提出一种脉内调制类型识别方法。基于Morlet小波变换提取信号小波脊线,根据瞬时频率和最佳尺度的关系得到时频曲线,基于时频曲线的形状识别脉内调制类型。构造时频分辨率调节函数,优化小波脊线提取过程,提出形状识别算法,达到提高识别准确率、降低计算量的目的。仿真结果表明,信噪比为3 dB时,该算法的识别准确率在98%以上,信噪比为1 dB时,识别准确率能达到70%以上。