基于提升小波的影像变换与匹配

从第二代小波即小波提升方法出发,研究了一种反对称小波的影像变换算法、导出了其更新函数,并与线性提升算法进行了比较,结果表明,该算法不仅具有在位计算的特性,而且能够更好地突出影像边缘特征,为影像匹配提供了丰富的信息。在实时影像匹配中,同时采用了低频信息和高频分量,构成了多窗口匹配算法,试验证明,该算法能够提高匹配的效率和可靠性。     

基于Wallis滤波的改进小波去噪方法研究

边缘信息是影像最重要的高频信息,在去除噪声的同时应尽量保留。介绍一种改进的小波去噪方法,不仅大大减少了算法的时间复杂度,而且用Wallis滤波对小波变换后的小波系数进行处理,在进一步压制噪声的同时增强了影像的对比度。实验结果表明,该方法不仅效率高,而且能较好地突出细节信号,效果优于普通的小波阈值去噪。     

基于LiDAR数据的图像边缘检测

机载激光雷达技术(Light Detection And Ranging,LiDAR)是一种集激光测距、计算机、全球定位系统和惯性导航系统等技术于一身的崭新技术,用于获取高精度、高密度的3维坐标数据.本文以机载LiDAR技术获得的数据为例,通过应用POS软件、Terra和LPS模块获得所需要的图像,并得到预期所需的图像边缘.     

基于Matlab小波去噪的研究方法

阐述了硬阀值法、软阀值法和半软阀值法去噪的原理及其算法的实现,针对传统小波去噪后,图像的部分细节丢失、边缘模糊等问题,提出一种改进半软阀值的计算方法。实验结果表明,改进的方法具有更好的去噪效果。     

基于小波分析的神经网络基坑变形预测模型

运用小波理论和神经网络理论不同结合方法建立地表变形预测模型。文中先建立了较为普遍的松散型的小波去噪神经网络模型和紧致型的小波神经网络模型,分析了小波去噪和BP神经网络的隐含层节点数选取过程。基于实测数据分析可得:三种模型的预测效果较单一的BP神经网络预测效果更好;基于小波变换的神经网络预测模型的平均绝对百分比误差为0.15,优于另两种模型的预测精度。     

基于小波阈值去噪理论的监测数据处理方法

为了研究监测对象的变形规律,有必要消除测量噪声得到更准确的数据,小波变换理论在数据处理方面有其特点。本文利用小波去噪的理论对监测数据进行小波变换,得到信号的高频部分,并进行去噪处理,得到了较好的效果。此方法具有一定的工程应用价值,本文提供了一个地铁工程变形监测数据处理的例子。     

基于小波去噪的变形监测数据处理的方法研究

小波去噪是小波分析在信号处理领域的重要应用之一。然而变形监测数据中不可避兔含有大量的随机误差,而小波阈值去噪方法以其操作简单和良好的效果而被广泛应用。小波去噪的关键是如何选择阈值和如何利用阈值来处理小波系数,通过对几种不同阀值的选取,比较不同阀值选取对去噪效果的影响。     

基于小波变换的武汉市城乡边缘带识别

对城乡边缘带的空间识别是城乡边缘带研究领域的热点。针对现有研究普遍存在的指标选取过于繁琐、大多采用阈值设置界定边界、以及对边缘带内、外边界分别提取等不足,在对土地利用程度综合指数与城乡边缘带的关系进行理论及样带分析的基础上,将小波变换方法引入城乡边缘带识别的研究中,以遥感影像为基础数据,选用土地利用程度综合指数定量评价土地利用程度,基于小波模极大值检测原理检测由综合指数数据序列变换得到的小波系数突变点群,依据突变点群的空间格局识别城乡边缘带内、外边界。以武汉市为例的实证研究表明,该提取方法严谨、高效。     

一种基于小波变换的新的边缘检测方法

阐述了基于小波变换模局部极大值的多尺度边缘检测原理.提出一种基于图像的小波分解细节来检测图像边缘的方法,经实验,该方法得到的边缘图像明显好于经典的边缘检测算子.     

基于小波分析的光照电站边坡位移变形监测研究

光照电站是北盘江上大型水利枢纽,为确保安全施工和运营,采用智能型全站仪TCA2003对大坝两岸边坡进行位移变形监测。由于监测结果中包含测量仪器、测量条件和测量过程误差,利用db3小波和db6小波进行去噪处理,获取更具真实性和稳定性的数据。通过对比分析,db6小波去噪效果比db3小波好,调用函数提取db6小波分解前后的高频系数,可以判断出噪声主要集中在高频中前两层。     

基于小波变换的图像边缘提取算法

在给出边缘检测性能判断标准和传统的模极大值点筛选的缺陷之后,基于边缘检测提出了改进的小波变换模局部极大值点算法。在这个基础之上,又针对交通系统的实时性,提出了一种改进的边缘信息的车辆检测算法,使得对运动车辆的边缘检测具有更加良好的效果。最后通过仿真实验,证明本论文提出方法的有效性,得到了多帧道路图像的边缘,较好地解决了传统边缘检测方法在边缘检测时会出现伪边缘和有意义边缘损失这两个问题,对将来车辆交通监控系统等方面的研究起到了一定的帮助作用。     

基于边缘检测的优化算法的小波阈值图像去噪

目前,小波阈值去噪方法简单有效,已成为图像去噪领域中常用的去噪方法.但传统的小波阈值去噪方法存在一些缺点,在去除图像噪声的过程中会出现去噪不彻底、噪声残留和噪声误判的问题.本文首先利用小波边缘检测算法确定图像边缘特征的小波系数;然后,根据噪声的方差设置优化阈值函数去噪,即在以往统一阈值基础上加以修改,使阈值能随着分解尺度的变化而改变,对传统的软闽值和硬阈值的优点予以保留,改进它们的缺点,生成一种新的阈值函数,使它在处理小波系数时更加灵活.经过优化的小波阈值去噪后得到平滑图像;最后,把小波边缘检测图像镶嵌入平滑图像中.实验表明,与传统的小波阈值去噪方法相比,该算法解决了传统阈值函数在去噪过程中出现的问题,进行有效去噪的同时保留图像的细节,使图像更加清晰,提高了信噪比.     

小波多尺度影像边缘聚焦算法

讨论了基于光滑函数的二维小波极大模边缘算子和小波过零点边缘算子及其特性。提出了多尺度二进小波变换过零点边缘聚焦算法。通过对不同尺度下小波变换的遥感影像进行复合、边缘提取和聚焦后结果进行比较，可以发现该算法适应影像空间尺度不确定性目标边缘提取。既可保证大尺度下的轮廓信息不失真，又能在边缘定位上保持很高的精度。     

小波多尺度影像边缘聚焦算法

讨论了基于光滑函数的二维小波极大模边缘算子和小波过零点边缘算子及其特性。提出了多尺度二进小波变换过零点边缘聚焦算法。通过对不同尺度下小波变换的遥感影像进行复合、边缘提取和聚焦后结果进行比较，可以发现该算法适应影像空间尺度不确定性目标边缘提取。既可保证大尺度下的轮廓信息不失真，又能在边缘定位上保持很高的精度。     

基于小波的ICM不变特征在图像匹配识别中的应用

由于交叉皮层模型(intersecting cortical model,ICM)图标信号具有平移、旋转以及尺度不变性,因此,基于ICM的图像匹配算法能够提高实时目标图与基准目标图的匹配率,但根据ICM图标信号获取的不变特征对噪声信号较敏感。针对这一问题,提出了基于ICM和小波变换的图像匹配识别算法。仿真结果表明,本文算法在平移、尺度、旋转变化以及噪声环境下仍具有较高的匹配率。     

基于二进小波变换的SAR图像湖岸线提取

本文阐述了一种基于二进小波变换的从SAR图像中提取湖岸线的方法。该方法首先利用边缘和噪声的奇异性在二进小波变换中随尺度变化具有不同的传播规律来检测边缘点，然后利用基于梯度矢量流的主动轮廓模型进行边缘点的连接，实验结果证明，这种方法可以有效的消除SAR图像中存在的斑点噪声对边缘提取的影响，准确的提取湖岸线。     

基于小波增强的改进多尺度形态梯度边缘检测算法

在形态学梯度边缘检测算子的基础上,综合多结构元和多尺度算法的特性,提出了一种基于小波增强的多结构元、多尺度边缘检测方法,用不同取向的结构元素对图像进行多尺度检测,并综合各尺度下的边缘,得到了噪声存在下的理想边缘。实验表明,本文方法边缘定位准确、轮廓清晰,保留了更多的图像细节,具有较强的抗噪能力。     

基于梯度幅度直方图和类内方差的边缘提取方法

针对复杂背景中目标边缘提取的问题,提出一种基于梯度幅度直方图和类内方差进行边缘提取的新方法———CAGH(cluster algorithm based on gradient histogram)算法。该算法先分析经“非最大梯度抑制”后的梯度幅度直方图的特征,确定边缘集中区域,再通过类内方差确定梯度阈值,并利用该阈值确定边缘。在车牌识别中运用该方法提取复杂背景中的车牌边缘,并与Sobel、Canny等算法进行了比较。结果表明,CAGH算法适应性强、提取效率高,提取的是连通性、独立性好的单像素边缘,有利于后续的特征提取和模式识别。     

利用小波变换分离俯冲带重力异常

综合应用小波多重分解法和小波多尺度边缘重构方法研究了重力异常的分离,发现该方法可以同时进行纵向和横向影响的有效分离,为复杂地区重力异常的合理分离提供了参考。在模拟实验的基础上,应用该分离方法对琉球俯冲带地区的重力异常进行了分离。在纵向分离中,提出根据重力异常和海底地形的相关性确定合适的分离尺度。在小波多尺度边缘分析中,通过选择合适的尺度范围同样可以达到分离横向重力异常的效果,而且比多尺度边缘重构方法简单。