采用Daubechies4小波变换简化DEM数据

首先分析了小波分析(WA)的特点和数字高程模型(DEM)的特性,说明多进制率小波变换可以在DEM数据简化和影像金字塔模型构建中发挥重要作用.为了说明实际效果,作者使用Daubechies4小波变换公式对某一地区的DEM数据进行多进制小波变换,并且选取一系列已知点验算DEM的简化误差.试验结果表明,简化样本之间保持了较好的地形相似性,并且表明简化误差的引入可以控制DEM的简化程度.     

广义加细函数与广义小波函数的分解与重构算法

引入广义加细函数与广义小波函数的概念.运用时频分析方法与分数阶小波变换,研究分数阶多进制正交小波的存在性与构造方法,得到广义多进制正交小波存在的一个充要条件.提出广义加细函数与广义小波函数的分解与重构算法.     

四进制小波变换与SVD相结合的水印算法

利用四进制小波变换的多频段特性和奇异值分解的稳定性以及临近像素的相似性,提出了四进制小波与奇异值分解SVD相结合的水印算法,实现了水印数据的嵌入.首先,宿主图像进行四进制小波变换;其次,对低频区域进行分块,计算各个分块的均值,并将这些均值存储在一个矩阵中,对此矩阵进行奇异值分解;最后,在分解所得矩阵中嵌入水印数据.该方法的水印提取不需要原始载体图像和原始水印图像.实验验证了该算法的不可见性,并对常见的攻击具有很强的鲁棒性.     

一种基于非降采样Contourlet变换的遥感图像融合方法

给出了一种非降采样Contourlet变换和HIS变换相结合的遥感图像融合算法.非降采样Contourlet变换是一种平移不变的小波变换方法,且具有良好的方向选择性,其对图像做多分辨率分析得到的高频子带,有效地表达了图像中的细节特征信息.结合HIS变换,非降采样Contourlet变换将细节注入到多光谱图像得到的融合图像,不但具有较高的空间分辨率,而且有效保持了多光谱图像的光谱特征.实际的SPOT全色图像和TM多光谱波段融合结果表明,所提议方法的性能优于目前广泛使用的小波域方法如离散小波变换和A Trous小波变换以及Contourlet变换等融合方法.     

基于多小波和非下采样Contourlet变换的纹理检索

为了更有效地进行纹理图像检索,提出了一种新的基于多小波变换和非下采样Contourlet变换相结合的纹理图像检索方法.首先,采用多小波对图像进行多尺度分解以便保证变换平移不变性的同时也消除变换的冗余性;然后,将所得的高频子带采用非下采样方向滤波器组进行多方向分解,计算低频子带和各层方向子带的一阶几何矩作为纹理特征;最后...     

多进制Haar与斜Haar小波在纹理分类中的应用

基于Walsh变换和斜变换给出了一种构造多进制Haar小波和多进制斜Haar小波的方法，并利用这些变换特有的快速算法加快了小波分解速度．实验中用该类小波分解图像，然后提取纹理图像的特征量，使用最小距离分类器进行纹理分类并比较了构造出来的各类小波的分类正确率，给出了选择小波基的原则．实验结果表明多进制斜Haar小波滤波器组具有更佳的分类效果．     

基于小波变换的脑电噪声消除方法

分析了基于传统陷波器的脑电消噪方法,根据脑电噪声所处频带及陷波器原理,设计了一种陷波器.并提出了基于小波变换的脑电信号分析方法并利用它来消除脑电信号中的噪声干扰.小波变换是一种多分辨率的时间-尺度分析方法,它能够将信号划分为不同频段的子带信号.根据小波变换的这一特性,对采样获得的脑电信号进行各尺度分解及消噪分析,并给出了各尺度分解结果及消噪结果.最后对这两种方法的消噪结果进行比较.分析表明:利用小波变换能更有效、灵活地检测并去除脑电信号中的噪声干扰.     

基于Bergman-Selberg核的固定平移因子时的复高斯小波变换像空间

在固定平移因子时,利用复Gauss小波变换像空间的再生核具体表达式和再生核空间相关理论,给出了复Gauss小波变换像空间中的等距变换和采样定理,这为进一步研究一般的小波变换像空间提供了新的方向。     

融合算法在高空间分辨率影像中的应用研究

为了分析非下采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)在高空间分辨率影像处理中的优势,对影像降噪处理的具体过程进行分析,得到二次采样Contourlet变换(Sampled Contourlet Transform,SCT)与NSCT算法之间的相关性以及互补性,给出了基于小波理论的Contourlet变换图像融合算法.分析结果显示,在该图像融合算法下,SCT及NSCT方法的标准差均高于原始光谱带,整体的空间及光谱分辨率都较高.     

多孔小波和非下采样滤波器组去除遥感图像的多种噪声

结合àtrous小波变换和非下采样轮廓波变换的优点,提出一种基于àtrous 非下采样轮廓波变换的遥感图像去噪方法.该方法用非抽取离散小波变换的àtrous算法对图像进行多尺度分解,然后用非下采样的多方向滤波器组对得到的细节分量进行多方向分解.对含有多种噪声的遥感图像,àtrous 非下采样轮廓波变换将图像中不同种类的噪声分解到不同的小波系数分量中,使得可以根据噪声特性选择最合适的去噪方法,比用一种方法去除所有类型的噪声更科学且去噪效果更好.     

DEM对典型喀斯特山区地形及流域特征的尺度效应分析

通过对数字高程模型(DEM)数据进行最近邻方法重采样,获取不同空间尺度DEM数据.针对不同空间尺度DEM,研究地形因子和流域信息提取与DEM的尺度效应,并进行相关性分析.结果表明:1)随DEM空间尺度的增大,高程信息、坡度和地面粗糙度等地形因子的平均值呈下降趋势,河网总长度与河网密度值随DEM空间尺度的增大而减小,大尺度DEM无法较好地表达喀斯特山区细小河流信息;2)经相关性分析发现,坡度、地面粗糙度与DEM分辨率相关性较强,用幂函数拟合相关性为显著相关;3)借鉴信息熵理论方法分析可知,研究区地形和流域信息提取的DEM最佳分辨率范围区间为30~120 m.     

基于非下采样contourlet变换的压缩感知图像重建

受传统采样定理限制,直接从信号采集系统得到高分辨率图像较困难,且信号获取过程会导致大量的采样数据.压缩感知理论指出可用特定测量矩阵将高维信号投影到低维空间上,求解数值优化问题准确重构原始信号,突破了传统采样定理的限制.传统压缩感知图像重建算法对所有系数测量,需进行多层小波变换保证图像质量,且小波捕捉方向信息有限,重建图像质量较差.故此提出采用非下采样contourlet变换(NSCT)做信号稀疏变换,并针对变换系数的特点,选择性的对系数测量,利用正交匹配追踪算法进行重构.实验结果表明,仅用单层NSCT变换可重建出高质量图像,克服传统算法需进行多层小波变换的缺点,降低采样和存储的数据量且重建的图像质量得到极大提升.     

PPP-BOTDA分布式光纤传感技术在水工结构物健康监测中的可行性探讨

基于脉冲预泵浦(pulse-prepump,PPP)布里渊光时域分析的PPP-BOTDA分布式光纤传感技术,作为新近发展起来的一种监测手段,在空间分辨率和精度方面具有明显优势。针对水工结构物健康监测的领域特点,通过多组试验,分析了PPPBOTDA分布式光纤传感技术的平均化次数、重复性、扫频范围、扫频步长、监测时间、长短距离空间定位精度、空间分辨率和采样间隔等各项性能指标,在此基础上,进行了基于该技术的水工结构物温度和应变监测试验,验证了该技术在水工结构物健康监测中的感知性能和可行性。     

基于压缩感知的地震观测系统设计及数据重建

在陆上油田,受地表障碍物限制,常规的基于规则采样理论的地震数据采集越来越难以实现,同时为了解决越来越复杂的地质问题,需要更密集的空间采样,造成地震勘探成本急剧上升。为了适应复杂的地表条件和节省勘探成本,本文研究基于压缩感知理论设计随机地震观测系统,利用高维空间低秩约束算法完成随机地震数据的高密度规则化重建,通过理论模型对方法进行了验证,结果表明在同样采样密度下,该方法能获得比规则采样更好的成像效果,为当前东部老油区的高效高密度地震勘探探索一条新途径。     

基于高斯过程算法的日尺度IMERG降水数据与站点数据的融合研究——以湖北省为例

该文针对卫星降水数据空间分辨率较低的问题,以湖北省为研究区域,考虑经纬度、DEM、亮温数据、IMERG插值数据等辅助变量,融合2016年7月19日IMERG日分辨率卫星降水数据与气象站点数据资料.该文提出了点面融合方法和站点偏差校正估计两个融合方案,并选择了自适应样条多元回归、随机森林、高斯过程回归三种算法.结果表明,点面融合方法优于站点偏差校正估计方法,且高斯过程回归的融合结果优于其他两种算法.基于高斯过程方法的融合结果呈现合理的变化细节,符合降水的空间分布变化模式.融合结果的空间分辨率从约0.1°(约10 km)提高到1 km,且精度相对于原始的IMERG数据得到了较大的提升,该研究对高时间分辨率的多源降水数据的融合具有一定的意义.     

基于共空间模式和功率谱密度的脑电信号分类

由于单一域缺少其他相关信息而导致运动想象分类准确率不高和泛用性差,本文研究设计了基于空间域和频域的运动想象分类方法。根据运动想象执行时的对侧映射机制以及事件相关同步和事件相关去同步的现象,对C3和C4通道数据进行共空间模式和功率谱密度特征提取和融合,然后使用网格搜索参数优化的支持向量机对运动想象的脑电信号进行分类。结果表明共空间模式和功率谱密度的融合特征,解决了共空间模式对噪声敏感以及缺少频率特征信息的缺点,实现了更高的分类结果和泛化性,分类准确率达91.3%,验证了该方法的有效性。     

超混沌Liu系统的自适应广义投影同步与参数识别

本文研究超混沌Liu系统的自适应广义投影同步与参数识别问题。基于自适应反馈控制技术,在响应系统参数未知的情况下设计了非线性控制器和参数自适应律,使2个参数不匹配的超混沌Liu系统在全局范围内实现广义投影同步,可用控制增益来调整同步的速度,同时实现对未知参数的识别。应用Lyapunov稳定性理论和LaSalle不变集原理从理论上证明了结论,并通过数值仿真验证所给方法的有效性。     

一种效能评估中缺失数据的填充方法

针对评估数据缺失的问题,提出了一种新的缺失数据填充方法.从信息熵的角度对评估系统进行描述,并提出一种建立在区间值信息系统上的加权广义信息熵,对这种信息熵的非负性、单调性和极值性进行证明.在此基础上,通过研究评估系统数据缺失前后信息熵的变化情况,建立一种基于加权广义信息熵的缺失数据填充方法,并从知识粒度的角度论述加权广义信息熵的机制.通过实例分析与现有的部分算法进行比较,进一步证明文中算法对评估系统缺失数据填充的有效性.     

基于广义模态柔度矩阵的结构损伤识别

用最小平方正交三角分解(LSQR）法研究结构损伤识别问题, 首先提出一种损伤定位方法, 然后将基于广义模态柔性矩阵的损伤识别问题转化为最小二乘问题, 最后用LSQR方法逐步确定损伤的位置和程度. 所给算例验证了方法的有效性.     

神经网络广义Backstepping预测控制

提出一种广义Backstepping控制算法和基于广义Backstepping的径向基传输函数(RBF)神经网络控制策略,分析了闭环系统的Lyapunov稳定性和系统跟踪误差的一致有界性.并通过仿真实验验证了所提控制方法的正确性和有效性。