具有平移和尺度变换不变性的自适应小波矩

提出了一种同时具有平移和尺度变换不变性的自适应小波分解新方法,分解系数称为小波不变矩,并给出了计算这些小波不变矩的有效算法,实验证实了数字图像的小波不变矩的平移和尺度不变性。     

图像的小波矩

寻找相对于尺度,平移、旋转不变的小波不变量是现今多分辨分析在模式识别中应用的关键性问题,统计量的不变矩理论是一种在理论上,应用上都比较成熟的识别方法,文中对图像进行了多分辨分解,并利用某一尺度的小波逼近系数对矩进行了描述,从而给出了一种在对图像进行小波多分辨分解过程中存在的视觉不变量－－小波矩,并且进一步把小波矩的概念推广到Ｎ维多分辨空间中,给出了小波矩的通用表达式,揭示了多分辨分解过程中信号的统     

利用小波分析进行基于形状的图像检索技术

目的 解决基于形状检索方法中形状描述符的不稳定、缺乏平移、旋转、尺度不变性等缺点。方法 通过对图像进行小波变换，获得多尺度下的不变矩，得到图像的特征描述符，通过特征描述符的欧氏距离来表示图像的相似度。结果 通过小波变换进行形状特征提取具有很好的图像检索效果。结论 新方法获得的描述符具有旋转、平移、尺度不变性等优点，能够很好地描述图像的形状和空间分布信息。     

基于小波矩特征的小波神经网络目标识别

提出一种具有尺度、平移与旋转不变性的目标识别方法.该方法首先提取目标图像的小波矩特征,然后与小波神经网相结合,构成一套目标识别系统.小波矩不变量不仅可以表示图像的全局特征,而且还能表示局部特征;而小波神经网络结合了小波分析和传统神经网络的优点,具有很强的学习能力和推广能力.因此基于小波矩的小波神经网络目标识别系统在进行目标识别时具有很大的优势.实验中使用该方法对4类飞机目标进行识别,实验结果证明其识别率高于其它的目标识别方法.     

具有平移和尺度不变性的图像小波多尺度特征

在平移和尺度不变自适应小波变换的基础上,提出了一种稳定的小波多尺度图像特征,这种自适应的图像多尺度特征具有平移和尺度不变性.实验证实了所定义的特征向量在尺度和平移变换下是稳定的.     

具有平移和尺度不变性的图像小波多尺度特征

在平移和尺度不变自适应小波变换的基础上,提出了一种稳定的小波多尺度图像特征,这种自适应的图像多尺度特征具有平移和尺度不变性,实验证实了所定义的特征向量在尺度和平移变换下是稳定的。     

分数阶对称平移不变过完备小波的构造及其在轴承故障诊断中的应用

提出了一种分数阶的对称性近似平移不变过完备小波的构造方法。首先,给出一种构造具有对称性且具有最小长度的低通滤波器方法。其次,通过拓普利兹矩阵分解法求出对应的具有近似平移不变性的高通滤波器,此方法比其他分解方法具有更低的计算复杂度。此外,利用此构造方法,也得到具有更高阶消失矩的分数阶过完备小波变换。最后,将构造出的分数阶对称平移不变过完备小波应用到轴承故障诊断中。实验结果表明,提出的小波变换能有效地提取出轴承的故障特征。     

平移不变性图像融合及在打击效果评估中的应用

提出了一种具有平移不变性的图像融合方法，并将其用于战场打击效果评估．算法引入具有平移不变性和良好的方向分析能力的双树复小波变换对源图像进行多尺度分解；然后对分解得到的各尺度的高频子带采用基于跨尺度的邻域空间频率的融合策略，最高层的低频子带采用基于改进的邻域熵的融合策略进行融合处理；最后对融合后的各个频带进行双树复小波逆变换，重构出融合图像．打击效果实验和评估结果表明该算法能够实现更有效的融合，融合图像包含了打击前后的有用信息、标记了打击的位置，更容易对打击的位置或关键部位，以及毁伤程度讲行评估．     

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...     

基于几何形状和小波矩的静脉特征提取与匹配

针对手背静脉识别系统的特征提取与匹配算法研究问题,提出了一种粗匹配与细匹配结合的方法.该方法通过分析图像特征描述符特性,考虑静脉图像的全局信息,确定提取具有平移、旋转、比例和仿射不变性的边界和区域的形状特征进行粗匹配;为了考虑局部特征使形状描述符具有良好的易分辨能力,依据小波矩具有小波多尺度分析和不变矩的优点,确定了基于小波矩的匹配为细匹配的方案,实验结果表明识别率得到了明显提高.     

基于Hu不变矩的加权矩方法及应用

为了有效地利用不变矩理论和技术对数字图像的特征进行分析,在研究几何不变矩的基础之上,提出了具有平移、旋转和尺度不变性的加权矩方法,可以应用于图像特征分析、特征识别和图像分类等应用领域。     

基于Zernike矩的水果形状分类

提出了一种基于Zernike矩的水果形状分类方法，首先运用标准矩对水果图像进行归一化，使得归一化后的图像具有平移和尺度不变性，然后从归一化后的图像中提取具有旋转不变性的Zernike矩特征，并运用主成分分析法确定分类需要的特征数目，最后将这些特征输入到支持向量机分类器中，完成水果形状的分类．通过与傅立叶描述子的分类性能比较，结果表明由于Zernike矩具有良好的正交性和旋转不变性，使分类性能明显有大幅提高。     

基于二元树复小波和SVD不变性的纹理图像分类算法

针对双树复小波变换(DT-CWT)用于图像的纹理特征提取时,不具有旋转和尺度不变性的局限,提出了一种基于DT-CWT和SVD的纹理分类算法.该算法首先利用DT-CWT从图像中提取出纹理特征,然后对纹理特征进行奇异值分解获得具有旋转和尺度不变性的特征向量,采用BP神经网络作为分类器,并提出改进的BP算法训练网络,使得网络很快找到全局最优解.将本方法与其他的分类算法进行比较,实验结果表明,本算法具有较高的分类正确率.     

基于小波变换和奇异值分解的模态参数识别方法

提出了一种新的基于小波变换和奇异值分解相结合的结构模态参数识别方法.该方法首先对环境激励下的结构加速度响应信号进行互协方差分析,得到时域互协方差响应,通过小波变换将互协方差响应转换到时频域中得到信号的时频系数并沿每一个尺度点提取协方差响应的小波系数阵,然后对提取的小波系数阵进行奇异值分解得到奇异值和奇异向量,最后从重组的奇异值和奇异向量中识别出结构的模态参数.文章对提出的方法进行了理论证明,通过三自由度系统的数值算例验证了该方法的可行性,表明与直接小波变换方法相比,其识别结果精度更高.     

电视图像目标实时分割与识别算法

研究一种电视图像目标实时分割和识别算法.在二维图像不变矩和相对矩的基础上,进一步组合优化得出4个不变矩,结合复数矩、圆方差和椭圆方差组成目标特征向量,利用k-近邻法实现目标的识别和分类.图像分割采用改进矩不变阈值分割和基于梯度的自适应阈值分割提取目标.仿真实验表明,提取的目标特征量对于平移、缩放和旋转均能保持较好的不变性.用该分割算法分割的图像边缘清晰,分割时间为8 ms,易于硬件实现.     

多尺度和多方向特征的图像去噪

提出一种基于多尺度和多方向的自适应图像阈值去噪方法。先对图像进行非下采样Contourlet变换得到不同尺度和不同方向上的变换系数,然后根据变换系数特征,引入尺度和方向阈值因子,用分解尺度系数的均值和区域能量表示图像的纹理信息。在相同分解尺度下,区域能量越大,表示该方向具有更多的纹理信息,阈值应该设置就越低,反之阈值就越大。根据尺度和方向阈值因子,自适应地确定图像去噪的阈值。最后对变换系数进行反变换,实现图像去噪。实验结果表明,与小波变换和Contourlet变换相比,保留了更多的图像轮廓细节,提高了图像的质量。     

小波去噪的几种方法

利用小波方法去噪 ,是小波分析应用于工程实际的一个重要方面。该文介绍了几种常用的小波去噪方法 ,分别是小波分解与重构法、非线性小波变换阈值法、平移不变量法和小波变换模极大值法。将上述几种方法分别用于叠加了高斯白噪声的仿真信号的去噪处理 ,并通过对几种方法优缺点的比较 ,为小波去噪的方法选择提供了一个参考依据。     

基于双密度小波变换的纹理图像检索

为了进一步提高纹理图像的检索性能，提出了一种基于双密度小波变换算法．该算法根据双密度小波分解变换的特点，从系数角度出发首先对子带进行组合，然后提取一阶和二阶统计矩并将结果作为纹理的特征用于图像检索．由于组合双密度小波变换采用了过采样，具有时移不变性，所以据此生成的算法具有特征数少、检索精度高等特点．对比实验结果表明，该算法的检索精度比单小波和双密度小波变换分别提高了10％和7％，性能最好的是一阶和二阶统计矩组合的方法．     

一种局部监督式纹理分类算法

在小波理论的基础上,提出一种新的纹理分类方法.通过计算一连串的小波分解和模运算得到包括多尺度和多方向共现信息的局部描述符——散射向量,该描述符具有局部平移不变性和线性变形性,然后使用PCA模型选择散射向量得到一种监督式纹理分类算法.最后,采用CURET纹理数据库进行算法验证.结果表明,本文算法具有较高准确率,且能很好对具有相同功率谱的纹理进行分类.