基于平稳小波变换的掌纹特征提取与识别

掌纹识别作为一种重要的生物特征识别方法,其中的一个重要环节就是掌纹特征的提取。论文基于图像的多尺度分析的思想,提出了一种利用平稳小波的局部极值点来提取掌纹特征的方法。文中利用平稳小波变换,对图像进行不同方向的滤波,然后提取各方向的极值点并融合作为特征点。并以此为基础进行不同掌纹的匹配识别。     

用于图像处理的二同步并行小波变换算法

小波变换可以有效的用于图像的特征提取,但二元小波变换的计算量随其阶数的增加呈指数级增长。本文提出小波变换并行算法,并对银河系列并行计算机上进行图像特征提取的有计算时间明显减少。     

基于Gabor小波变换的人脸表情识别技术研究

为了使人机交互得到更好的研究,提出了一种基于Gabor小波变换的人脸表情识别的新方法;首先对图像进行预处理以提高后续处理的准确度,预处理包括确定纯的人脸表情区域,尺寸和灰度归一化,然后对表情子区域进行Gabor小波变换,提取表情特征矢量,进而构建表情弹性图,最后用模板匹配的方法来识别图像的人脸表情;经过实验,发现Gabor小波变换提取特征时受光照影响比较小,该系统不仅具有很好的鲁棒性,并且速度快,识别率高。     

基于Gabor小波变换的人脸表情识别

对基于Gabor小波变换的人脸表情识别方法进行了研究.对图像进行预处理以提高后续处理的准确度,通过分析二维Gabor小波变换的优点和人脸表情特征的变化情况,利用二维Gabor小波变换提取脸部表情特征,使用弹性模板匹配算法来识别图像中的人脸表情.实验结果表明,这种方法与传统的识别方法相比,系统具有很好的鲁棒性,达到较高的识别率.     

基于小波变换的图像的多分辨率分解与重构的实现

1.引言小波理论的出现吸引了许多领域的学者对之进行深入的研究。小波变换是一种信号的时间-尺度(时间-频率)分析方法,它具有多分辨率分析的特点,在时频两域都具有表征信号局部特征的能力。而且,小波变换的多尺度分解特性更加符合人类的视觉机制,与图像处理和计算机视觉中由粗到细的认识过程十分相似,更加适合于图像信息的处理。目前,小波理论已在某些信号处理领域和计算机视觉得到了成功的应用。在现代多媒体通信中,网络传输常常受到带宽的限制,因此传输较大幅图像往往需要很长时间,有时甚至由于随机的传输错误而导致图像无法正常显示。针对这一问题,本文提出一种基于小波变换的多分辨率解决方法。利用该方法可先对图像进行小波变换及熵编码,将粗精度的图像概貌信息传输至接收方并重构、显示出来,然后将图像的细节信息按照分辨率由低到高的顺序逐级传输出去,这样接收方就能在接收过程中逐级重构出精度不断提高的图像并最终再现出不失真的原始图像。该方法有以下三个优点:一是接收方在     

基于小波变换的图像融合研究

主要讨论了基于小波变换的多传感器图像融合算法。它的中心思想是把图像分解到不同的频率段上，然后在各自的频率段上分别采用不同的融合算子进行融合处理，从而得到完整的图像信息。     

基于退化四元小波变换的纸币识别

针对如何提取纸币图像特征和提高识别率的问题,综合利用退化四元小波变换具有的相位特性,提出一种基于退化四元小波变换的纸币识别方法.该方法首先对采集的纸币图像进行倾斜校正和边缘检测,然后运用退化四元小波对纸币图像进行分解操作,并对分解系数进行统计分析,将每个分解子带系数的能量和标准差作为该纸币图像的特征向量,最后将支持向量机作为分类器对纸币图像进行识别.本文方法在资源约束的嵌入式清分系统上实现,实验结果表明采用本文提出的算法突破了传统纸币识别系统识别率很难再提高的瓶颈,同时能够满足清分系统的实时性要求.     

基于小波变换和粗糙集的早搏信号识别算法

心电特征参数的选择和提取是心电图(ECG)分析的基础,提升检测算法的识别率和特征分类的精度是自动分析技术的关键。提出了基于小波变换和属性约简的心电早搏信号识别算法。该算法首先依据心血管专家的诊断标准选择了12个心电特征参数;然后运用基于小波变换的特征检测算法进行了特征提取,并利用基于粒计算的属性约简算法对特征参数进行了属性约简;最后,将约简后的数据用于模式分类并通过MIT-BIH数据库对结果进行验证。实验表明,约简后的分类精度大大高于约简前的数据,特征参数的合理选择(约简)是提高识别效率的重要因素。     

基于小波特征的台标识别

台标分割与识别在视频语义分析与检索中有着重要作用.首先分析了视频图像序列中台标区域分割算法,然后分析了台标小波特征参数提取方法,并利用提取的小波特征参数实现了台标识别.实验表明,基于小波特征参数的台标识别算法取得了较快的识别速度和较高的识别准确率.     

基于分块小波变换与奇异值阈值压缩的人脸特征提取与识别算法

提出了一种基于分块小波变换与奇异值阈值压缩的人脸特征提取与识别算法.该方法首先对人脸图像进行分块小波变换,并根据图像块的位置分布选取不同的频率分量,然后对该分量进行奇异值阈值压缩与特征融合,最后在ORL人脸库上利用最近邻分类器对该特征进行分类识别,验证了算法的有效性.     

基于神经网络和小波分析的血细胞识别算法

结合小波变换时频局部化特性和神经网络的优势,提出了一种基于神经网络和小波分析的血细胞识别算法.首先对血细胞信号进行小波分解,然后利用小波分解系数重构信号的能量,结合时域特征参数构造特征向量作为神经网络的输入,最后建立神经网络模型进行训练.通过实验分析了不同条件下的信号识别情况,并与传统的识别算法作了比较,结果表明算法具有较强的血细胞识别能力,与传统的识别算法相比,识别准确度更高.     

基于小波变换和神经网络模型的数字调制识别方法

由于小波变换对瞬态信息具有较强的检测能力,数字调制信号在间断点呈现不同的瞬态信息。使用提取小波变换后包络方差与均值平方之比的特征参数,来实现3种信号(MFSK、MPSK和MQAM)的类间识别。然后提取经小波变换后的信号幅度层数N1,对MFSK进行类内识别,提取经归一化后的信号再经过小波变换后的尖峰数N2,对MPSK进行类内识别。最后利用人工神经网络作为分类器,仿真结果表明在低信噪比下具有良好的正确识别率。     

基于小波变换的诱发电位信号去噪研究

基于一维小波变换的方法对诱发电位信号进行了去噪研究。采用小波多分辨率分析方法来处理信号的高频———即噪声部分,分别对仿真信号和实际信号进行消噪处理,比较了去噪前后信号的信噪比等性能指标。实验表明,小波变换方法能较好地消除诱发电位信号的噪声。     

计算机医用信号处理与分析——基于小波变换的医学瞬变信号去噪新方法

本文提出一种用于计算机辅助诊断前处理的医学信号去噪新方法。方法：１．对信号进行ＤＷＴ。２．在ｓ＝２１上，利用邻近尺度ＷＴ系数的空间相关性进行选择性去噪。３．在ｓ≥２２上，运用阈值法（Ｓｏｆｔ，ＨａｒｄＴｈｒｅｓｈｏｌｄｉｎｇ）去噪。４．信号重构。结果：分别采用本文方法及传统方法对突变信号进行去噪与结果比较。结论：本文方法在获得信噪比增益的同时，能够保持对信号突变信息的良好分辨且处理速度快、便于在微机上实现。     

基于小波包分析的催化剂表面图象识别

二维图象可以通过小波分解来进行信号的多分辨率分析．本文讨论了小波包分析技术及其在催化剂表面ＳＥＭ图象识别上的应用．从小波包中抽取的能量和纹理熵特征，在催化剂的分类与识别研究中，充分描述了表面图象在多标度空间上的信息分布．实验结果表明，小波包分解树是一种很好的模式特征描述，为图象纹理识别提供了新的手段     

基于多尺度小波的Roberts边缘检测法

在Roberts交叉梯度算子边缘检测框架基础上,提出一种小波增强的多尺度边缘检测方法,对不同尺度下的小波变换子图像,通过Roberts梯度算子对各子图像进行空间一次微分,得到对应尺度上的边缘图像,各尺度下边缘图像通过小波重构、融合及差影运算得到最终的边缘图像。实验结果表明,该算法实现简单,能有效地抑制噪声,补偿弱边缘,可以有效获取多个尺度下的边缘信息,对边缘信息定位精度高,是一种可行、有效的图像边缘检测的方法。     

基于小波变换的汉语语音合成方法

本文提出了一种汉语语音合成的方法．利用小波变换检测语音信号的声门闭合时刻（ＧＣＩ）利用语言信号的ＧＣＩ进行基音同步和样本选择的多脉冲线性预测分析，将得到的时参数保存到语音库中，通过改变相应的语音参数可以灵活地调节音节的时长，基音频率简强，本方法得到一语音参数比传统方法得到的参数更加精确，合成语音清晰，自然，并且大大降低了语音库的存储量，非常适合小于微型计算机系统。     

小波变换的计算机实现

小波变换是傅里叶变换的改进,在工程领域中得到了广泛应用。本文主要结合MATLAB介绍小波变换的计算机实现,包括三种类型的小波变换。文中首先介绍了连续小波变换的数值积分实现,接着介绍了多分辨率分析和Mallat算法,最后用滤波器组实现了离散网格上的小波变换和离散序列的小波变换。