首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 15 毫秒
1.
一种基于双树复小波变换的SAR图像边缘检测算法   总被引:2,自引:0,他引:2  
提出一种新的基于双树复小波变换的SAR图像边缘检测算法. 算法在复小波子带上求取图像直方图方向梯度矩阵,并基于复小波变换的多尺度性质和方向选择性求取全局的梯度矩阵. 通过对这一矩阵阈值化实现边缘检测. 该算法能有效检测出SAR图像上的显著边缘,并对SAR图像中存在的相干斑噪声、灰度不均匀性和边缘模糊等现象具有一定的鲁棒性. 实验结果证明了该算法的有效性.  相似文献   

2.
在实际应用中,多尺度几何分析的图像增强算法要比传统的图像增强算法效果更加明显更加优越。其中,小波变换、Contourlet变换等都是此种算法的应用。文章首先阐述了小波变换理论,并使用图像处理工具Matlab软件进行测试,对比数字图像处理前后的差异,提出了更为优越的Contourlet变换理论。其后,笔者将小波变换的增强算法与Contourlet变换的增强算法进行了比较,在其理论基础上根据医学图像的特点,对医学图像增强算法进行了深入的研究。  相似文献   

3.
雷达脉内调制信号分析是实现雷达辐射源信号识别的一个重要手段,雷达脉内调制信号是典型的非平稳信号,需采用非平稳信号处理方法进行分析.小波变换是处理非平稳信号的有力工具,可用来对脉内信号进行分析,但需要搜索算法搜索变换后的小波脊线.因此,在对调制信号进行小波变换后,采用微粒群优化算法搜索小波脊线.通过计算机仿真,结果表明利用小波变换和微粒群优化算法可对雷达脉内调制信号进行参数分析与提取,小波变换分析方法是有效的、合理的.  相似文献   

4.
谐波对于电力系统的运行具有较大的危害,在现代电力系统中,非整次谐波(间谐波)和突变谐波大量存在,传统的谐波分析大都是使用快速傅立叶变换(FFT)和窗口傅立叶变换算法,傅立叶变换在时域分析中局部化处理能力有限,实时性不强,在比较了窗口傅立叶变换与离散小波变换后,提出了离散小波变换在电力谐波分析上有诸多优点,在此基础上提出了采用离散小波变换进行电力系统谐波的分析,取得了较好的效果。  相似文献   

5.
文章提出一种基于小波变换的像素级图像融合方法,即首先对源图像利用Mallat算法做小波分解,然后由区域能量法实现小波系数的选择。实验选取曼谷西北部的多波段图像进行融合,统计特性评价结果表明了该算法的有效性。  相似文献   

6.
时间局部谱分析方法的研究对信号突变性检测具有重要意义。S变换是加窗傅里叶变换和连续小波变换思想的延伸或推广,S变换保持了与傅里叶谱的直接联系,提供了依赖于频率的分辨率,具有连续小波变换所没有的一些特点。介绍了S变换和广义S变换的数学原理,分析了S变换与加窗傅里叶变换和小波变换之间的关系,对一个突变信号在S变换与小波变换下的表现特征进行研究,结果表明,S变换能比小波变换更直观更清楚地表现信号突变位置。  相似文献   

7.
针对纹理图像压缩提出了一种改进的SPIHT算法. 算法对一阶小波变换产生的LL、HL、LH、HH 4个子带系数分别进行小波再分解,之后对上述4个子带利用SPIHT算法进行联合编码;子带之间的量化比特分配嵌入在编码过程之中,因此可实现4个子带编码比特的自动精确分配. 编码过程充分利用了小波系数的高频分量信息,可有效保持图像中的纹理细节. 最后通过对纹理图像的压缩实验,证实了改进算法的有效性.  相似文献   

8.
应用小波变换和改进的几何归一化方法,提出一种强鲁棒图像零水印算法. 该算法首先利用一种改进的几何归一化方法将原始图像化为标准图像,然后对标准图像利用Haar小波进行多级小波分解,最后根据高层的中高频小波系数的正负极性构造零水印. 对算法性能进行测试的结果表明,算法对噪声、滤波、有损压缩等常规信号处理具有强鲁棒性,对旋转、缩放、平移、剪切等几何攻击也具有较好的鲁棒性.  相似文献   

9.
提出了基于小波变换和隐马尔可夫模型的人像鉴别算法. 该算法首先对图像进行3级小波分解,然后把3个不同分辨率的低频子图像由小到大排列成树状结构,形成低频小波树. 接着利用独立元分析对每个小波树枝进行去相关、降维,形成特征小波树枝,并把它作为观测向量对隐马尔可夫模型进行训练,把优化的模型参数用于人脸识别. 分析了观测向量维数与识别率的关系,以及状态个数和高斯概率混合成分的个数对识别率的影响,定性描述了隐马尔可夫模型的本质. 在ORL人脸数据库上,同其他四种相关方法进行了比较,实验结果表明,该方法识别率较高,工程上易于应用.  相似文献   

10.
针对基于分块独立的脆弱水印算法的安全性问题,提出一种利用查找表和哈希函数的小波域脆弱水印算法。该算法利用小波变换的空频特性,在LL子带用查找表的方法嵌入一个标识水印,用于检测和定位篡改;选取HL子带或LH子带的哈希值作为水印嵌入到HH子带中,用于抵抗各种伪认证攻击。实验仿真结果表明该算法既提高了基于分块的脆弱水印算法的安全性,又保持了良好的局部修改检测性能。  相似文献   

11.
讨论了小波变换的定义、性质,并将小波变换理论应用于柴油机滚动轴承的故障诊断。  相似文献   

12.
鉴于传统信号处理对非平稳信号的局限,小波分析作为一种具备时间-频率局部特性的信号处理方法,已成为众多领域的研究热点.笔者介绍了小波变换的部分性质,分析了小波变换与Fourier变换下的奇异信号特性,并以此进行奇异信号检测.  相似文献   

13.
在文献给出了一种一维小波变换的新形式的基础上,给出了另外一种连续小波变换的形式,缩小了积分误差,并给出了此变换所对应的一些性质。  相似文献   

14.
小波变换和多级树集合分裂算法(SPIHT)在合成孔径雷达(SAR)图像压缩方面取得了良好的效果,但SPIHT编码方法的复杂性制约了压缩速率的提高. 针对SPIHT编码速度慢和占用内存大的问题,提出一种改进的无链表SPIHT算法,以提高编码运算速度,减少资源占用量,使其适于硬件实现. 实验结果表明,该方法能达到与原算法相同的压缩效果,而运算速度大大提高,适于实时实现.  相似文献   

15.
关于P波到时的小波分析方法   总被引:1,自引:0,他引:1  
本文就P波的到时进行研究,采用了小波分析的方法,由于小波分析所固有的优于博氏变换的性质:即小波分析能对波的频域特性和时域特性有比较好的反映,这相对于博氏变换的只能够反映单独的频域特性或者单独的时域特性而言,采用小波分析更加能够保证波型的不失真,采用经过小波分析后得到的数据更加能够精确的满足计算所需.本文运用Daubechies的紧密支集的正交小波基对实际的地震数据进行处理,以期能够对P波的到时进行自动识别.计算结果显示:对地震数据进行不同阶次的小波变换得到不同的结果,很明显可以看出不同阶次的小波变换所产生的结果有不同的时频特性,并且变换阶次越高,信号变换后得到的结果所反映的频率越低;对地震数据进行线性极化计算,可以得到明确的P波利时.  相似文献   

16.
小波变换技术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。在数字图像处理领域,基于小波变换的图像压缩、图像增强、图像消噪可以取得很好的实际效果,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。  相似文献   

17.
(Symmetric alpha-Stable)模型是小波域一种精确的图像模型 ,但是其计算复杂性高,本文在分析 模型的基础上,提出了高斯-柯西模型,将此模型作为图像的小波域先验模型信息,并用Bayesian估计器,算法复杂性上有显著的降低。另外,图像对数变换后的统计特性发生变化 ,需要在变换过程中加入均值调整的过程。实验结果表明,本文的算法模型在较好的保持了SAR图像结构的基础上,能较好的保留图像边缘信息和纹理特征,并能有效的抑制图像的斑点噪声,取得了良好的效果。  相似文献   

18.
小波变换和傅立叶变换在信号频率分析中的比较   总被引:2,自引:0,他引:2  
小波变换和傅立叶变换都是信号频率分析的有力工具,本文通过两者对模拟信号的频率分析,比较了两者的优缺点:傅立叶变换分辨率较高,不能同时提供时频信息的;小波变换分析信号频率时可以时间频率同时定位,但是需要选择合适的母小波,处理较复杂。  相似文献   

19.
本文提出了一种基于自适应Bandelet变换的BayesShrink软阈值图像去噪方法。根据图像和噪声的特点,在Bandelet化的过程中采用Visu shrink方法中基于最大最小原则所定义的阈值来寻找各个剖分子块的最佳几何流方向和完成最优四叉树分割,从而计算出较为精确的图像几何方向,然后对各个Bandelet块进行BayesShrink软阈值去噪。实验表明,本文提出的算法比基于小波的图像去噪法更能提高去噪后图像的峰值信噪比,同时能够避免小波变换所带来的边界振铃效应,更好地保留了图像的细节特征,取得了较好的视觉效果。  相似文献   

20.
在静电探针自动测量系统测量等离子体参数中,如何在不改变原始数据特征的条件下干净有效的滤除噪声,是一个很重要的问题。对此,采用低通滤波器、移动平均法等一些常用的数据处理方法很难解决。本文采用两种小波变换:Daubechies小波变换和Biorthogonal小波变换分步进行处理,得到了比较好的处理结果,并对上述的几种方法在实际测量信号中的处理结果进行分析对比来证明了这一点。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号