分数布朗运动的小波分析

给出了分数布朗运动的连续和离散小波分析。讨论了有关的性质，并将结果用于分维估值、分数布朗运动小波变换系数的相关性研究等方面。     

分形图形生成的一种新方法

本文提出分形图形生成的一种新方法。采用分数维布朗运动来合成分形图形,分数维布朗运动用一种新的方法──递归空间滤波来获得。由分数维布朗运动的功率谱确定其二维成形滤波器的频率响应,然后采用以一维原形滤波器加旋转变换的方法来设计具有圆对称和指数衰减频率响应的成形滤波器。用成形滤波器对高斯分布的白色过程滤波,便可以得到具有期望分数维的布朗运动分形图形。     

地形的分形表面描述及其在数字高程模型质量估计中的应用

分数布朗运动（ＦｒａｃｔｉｏｎａｌＢｒｏｗｎｉａｎｍｏｔｉｏｎ）是一种表面模型，用这种模型可以描述地形表面。这个模型为估计数字高程模型的分数维提供了一种简单方法。通过计算不同尺度和不同方向的分数维，可揭示其插值情况，这有助于数字高程模型的质量估计     

基于图像表面积的分形布朗运动分数维算法研究

针对数字图像的特点，提出了一种计算图像表面积的简单方法。在此基础上，根据分形布朗运动理论，提出基于图像表面积的分数维计算方法。用遥感图像上几种典型地物的图像窗对该方法进行了实验，并与其他几种常用的分数维计算方法进行了比较。实验表明，本文提出的方法与理论预期相符合的程度高于其他分数维计算方法。     

图像分数维计算模型的改进

分数维作为一种图像纹理特征常用于遥感图像分类,提高图像分数维的测量有助于提高遥感分类精度。本文在介绍目前常用的基于分形布朗运动分数维计算方法的基础上,运用分形的相关理论,指出了现有方法存在的缺陷,提出了改进的分数维计算方法;并用SPOT全色影像中常见的5种地物进行了对比实验,实验结果表明,本文提出的改进方法获得的分数维测量结果比现有的方法更接近理论分析结果,更有利于地物的识别与分类。     

基于小波分析的线状特征数据无级表达

利用小波分析提出了线状特征空间数据的多尺度一致性无级表达模型，研究了基于该模型获取整数尺度上的地理信息，以及通过增量、连续地增补细节来获取分数尺度上的过渡地理信息，从而获取任意尺度上不同详细程度的地理信息的方法，动态地实现了线状特征空间数据的无级表达，并给出了实验结果。     

分形模拟在DEM内插中的应用

为提高DEM的空间分辨率,避免线性插值方法的平滑和低通滤波作用,本文依据地形的分数布朗运动(FBM)特性,提取地形的分形参数,利用分形模拟方法进行插值,并将不同地形的试验结果与线性插值方法进行比较和分析。结果表明该方法能较好保持地形的随机性、不规则性和丰富的细节信息,同时也具有一定的插值精度。     

小波理论及其在摄影测量与遥感中的应用

小波理论被认为是傅里叶分析的重大突破，本文在综述了小波理论这一前沿领域的发展现状的基础上，着重论述了连续与离散小波变换、快速小波算法，并探讨了小波理论在摄影测量与遥感领域中的应用。     

小波变换在高光谱决策树分类中的应用研究

近几年来，离散小波变换在遥感图像压缩、消噪和融合中得到了广泛的应用。利用航空飞行的高光谱图像数据，先后进行了主成分分析及10种小波变换，并应用分类回归树对其进行分类处理。将小波变换的分类结果与主成分分析的结果及不同的小波变换方法之间进行了对比。结果表明，在样本数相同的条件下，小波变换的分类精度均高于主成分分析，其中Haar小波的分类精度最高；小波变换后的分类对样本数量的要求要小于主成分分析。在样本数足够的情况下，主成分分析数据压缩率要高于小波变换。但小波变换在压缩的情况下，仍保留了原光谱的大部分信息。而主成分分析只保留了原图像的方差而无法保留波形。     

基于小波萎缩方法的图像小波去噪的研究

小波方法越来越广泛地应用到图像处理当中。小波萎缩方法是小波图像去噪方法中较为重要的方法之一。本文主要介绍了图像小波去噪中较常用的小波萎缩方法，并主要针对Bayes阈值，使用噪声方差邻域估计法加以研究和实现，并将几种阈值函数的去噪效果进行了对比。     

利用小波分形维数确定水稻光谱分辨率特征尺度

采用1维离散小波HAAR、DB4、SYM4对LOPEX 93数据库中的6条水稻反射光谱曲线进行10层小波分解。利用小波近似系数重构信号,采用步长行走法计算重构信号的小波分形维数。研究各尺度下小波分形维数、小波细节系数方差、小波细节系数信息熵、小波近似系数重构方差的特征。结果表明水稻光谱曲线具有分形特征,分形计算中相关系数值均大于0.9证明分形计算的有效性。4个参数的尺度特征揭示了水稻光谱曲线特征尺度转折点出现在尺度6,当水稻光谱分辨率小于64 nm,才能较好地反映光谱曲线峰谷细节特性。通过田间实测18条水稻光谱,计算各尺度的两种植被指数及植被指数与叶绿素的相关系数,进一步证明这一结论。     

Change detection method based on fractal model and wavelet transform for multitemporal SAR images

The interaction is quite complex between a ground object and an electromagnetic wave transmitted by synthetic aperture radar (SAR). In a ground resolution cell illuminated by a radar beam, there are many chaotic scatterers and the whole scattering echo has the chaotic characteristics which is usually described with the fractal theory, and the fractal dimension can be used to detect the change information for multitemporal SAR images. In order to improve the change detection effect with fractal model, this paper proposes a new multitemporal SAR image change detection algorithm based on the fractal model and wavelet transform (called FMWT algorithm). The FMWT algorithm has two advantages. One is insensitive to speckle noise; the other is that the change detection accuracy is improved, comparing with a general fractal change detection (GFCD) algorithm. Since the FMWT algorithm adopts the two-dimensional discrete stationary wavelet transform (TDDSWT) technique, it can obtain different direction sub-images and avoid down-sampling of the discrete wavelet transform (DWT). In the paper, not only the simulative data test has been carried out, but also the real natural disaster SAR images have been checked. Experimental results verify that the FMWT algorithm is feasible for multitemporal SAR image change detection, it is not sensitive to speckle noise of SAR images, and the performance of it is better than that of the GFCD algorithm. At the same time, the size of a sliding window will bring some affection in counting fractal dimensions.     

太阳黑子数时间序列的奇异谱分析和小波分析

本文对小波变换和奇异谱分析方法进行了简要介绍,对离散小波的分解和重构、奇异谱分析的重构进行了详细阐述。结合太阳黑子数1749年至2007年3月期间的月平均值时间序列进行了小波变换的分解和重构及SSA方法的重构,提取了其主要的周期特性,并对两种分析方法进行了比较。     

NINO3海面温度异常时间序列的小波分析

本文对连续小波变换和离散小波变换进行了简要介绍,对连续小波变换中小波函数与尺度的选取、小波尺度与Fourier频率的关系等进行了阐述。结合太平洋中部地区1871年至2005年6月期间NINO3海面温度异常时间序列进行了小波功率谱分析,提取了其时频特征,分析结果与主要厄尔尼诺和拉尼娜事件的发生时间吻合较好。最后,利用离散小波分解与重构对时间序列进行消噪处理,并对不同层数强制消噪效果进行了比较。     

船只衰落尾迹的小波多尺度广义分形特征分析

船只衰落尾迹遥感图像是弱反差纹理图像,检测强尾迹的方法不具有适用性。基于区域特征统计比较的思想,构建了一种会聚衰落尾迹异常的小波多尺度广义分形特征提取方法。该方法由小波多尺度分解、细节图像融合、多尺度基本特征计算、多尺度分形特征计算和广义分形特征计算等5步骤组成。仿真实验表明,该特征能完整表达尾迹并体现强弱差别,是一种有效的船只衰落尾迹检测技术,具有广泛的应用前景。     

一种基于小波域的分形遥感影像压缩方法

解决大数据量遥感影像传输和存储问题的方案之一,是对遥感影像进行高保真快速压缩。通过对遥感影像进行小波变换产生子带频域之间的相似性,再利用分形方法对具有相似性的相邻高频子带进行编码,由高一级的子影像构造低一级的子影像,然后采用分形迭代解码和小坡变换的逆变换重建影像。实验结果表明,该方法在一定程度上能够提高压缩比,在压缩时间上比传统的分形方法有明显的缩短,并且压缩后影像信息的损失量较少,影像恢复的质量较好。     

伪卫星多路径效应分形特征及其削弱方法研究

多路径效应是伪卫星应用在精密定位领域的一项主要误差源，本文从验证多路径效应分形特征入手，利用小波分析在研究分形及信号去噪方面的优势，研究了分形信号与高斯白噪声的模极大值在小波变换下表征的不同特点，针对静态环境下伪卫星的应用，提出一种基于分形理论的多路径误差的消除方法。通过设计试验进行精度分析，验证了本文方法的有效性，且该算法从信号自身的分形特征入手，不需要额外的先验信息，对环境等条件要求较低，比较适合在形变监测等静态环境下应用。     

改进小波阈值法在变形监测数据处理中的应用

阈值的选取和小波函数的构造是小波阈值去噪的关键,本文从两个方面分别进行阐述。首先,通过对传统小波阈值去噪方法的分析,提出了确定阈值的新方法;其次,构造出新的小波阈值函数去处理小波系数。然后,通过对一组离散变形监测数据进行去噪处理,验证了改进小波阈值法的优越性和有效性。     

大坝变形监测数据的小波分析处理方法

引入小波分析方法对大坝变形监测数据的处理,实现了对离散型的变形数据的尺度分解,对变形趋势的分析。并且对变形数据在滤波、消噪等方面,对分解层次中的偶然误差特性分析,以及阀值的选取方法进行了比较,表明利用小波变换的方法对变形数据的分析处理是有效、可行的。     

基于小波与遗传算法的特征提取与特征选择

高维遥感数据的分类与识别与传统的多光谱遥感分类技术具有明显的区别。本文提出了一种基于遗传算法和小波／小波包分析相结合的特征提取方法用于高维遥感数据降维与分类。该方法综合了遗传算法的全局优化和小波／小波包分析的多尺度、多分辨率的特点。首先,通过离散的小波变换(DWT)或小波包变换(WP)将高光谱信号变换到特征域进行光谱分解。由于DWT变换是一种线性变换,不同尺度的DWT系数可作为线性光谱特征。然后,对这些线性光谱特征利用遗传算法结合训练样本计算类内／类间距离搜索最优分类子集,其具体染色体编码取可能的特征号,适应度函数基于样本平均Jeffries-Matusita距离计算。所用的分类器采用最大似然分类器。试验结果表明该方法与常规特征提取算法如主成分变换(PCA)、判别分析特征提取(DAFE)、决策边界特征提取(DBFE)相比,能提高分类精度约1.1％-6.5％。