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．     

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。     

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。     

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。     

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     

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.     

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．     

连续小波变换与视觉不变性的局部化描述

视觉不变性描述是计算机视觉的核心问题之一，经黄的视觉不变性描述有傅里叶描述器、矩法不变性等，但是它们都是全局性描述，因而极易受局部遮挡与噪声的干扰，文中研究不同尺度的信号在连续小波变换下的性质，并在此基础上提出了一种基于连续小波变换的具有很好局部化性质的视觉不变性描述，解决局部遮挡条件下的识别问题，并给出了有关实验结果，文中最后讨论了 定不变性描述同图象尺度边缘的关系以及应用时的有关问题。     

基于矩和多分辨分析的图像识别

应用矩和多分辨分析对图像进行特征提取，求取不同分辨率下的小波系数的均值、能量和方差，作为特征向量。这组特征向量是将图像的矩特征和小波特征结合形成小波矩特征，即反映了图像的全局信息，又反映了图像的局域性信息，并且具有旋转、平移和缩放不变性。该算法不但解决了图像识别中特征量随图像旋转、平移和缩放而变化的问题，而且提高了对近似物体的识别能力。最后简要介绍了仿真实验及结果，证实此算法能对飞机、舰船等目标进行有效的识别。     

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.     

结合小波和颜色信息的SIFT图像配准方法

采用小波变换与尺度不变特征变换相结合的方法对目标进行识别及图像配准.为了提高光照不变性,获得更高的识别率,在尺度不变特征变换(SIFT)特征描述子中加入颜色信息,对基准和后续图像分别做小波分解,得到彩色描述子,再利用SIFT提取特征点,采用优化节点(BBF)算法及随机抽样一致性(RANSAC)算法完成2幅图特征点对的搜...     

基于小波包子带分解回声对消移不变性的研究

在自适应回声对消中应用多分辨率分析－对信号进行小波包子带分解后实行自适应对消,可以极大地降低计算复杂性,但若对信号进行的是正交分解,过程不具移不变性。为使过程具近似移不变性,作者对Ｄａｕｂｅｃｈｉｅｓ小波基开始,通过修正尺度函数,再由双尺度方程得到小波基,使小波基近似移不变,同时还考虑了修正后滤波器的完美重构问题,并讨论了移不变性和完美重构之间的关系。     

基于线性矩和小波变换的医学图像特征提取

应用小波矩作为图像特征量以及小波变换进行医学图像的自动特征提取,利用小波变换对线性矩进行分析,提取图像的各分辨率下的小波系数经快速傅里叶变换作为特征。使计算量和数据量大大减少,为特征的选取带来方便。矩特征由于其良好的稳定性、抗噪性和旋转不变性在图像识别中受到了广泛的关注和应用。由小波矩来构造目标的旋转不变性的特征,可以克服传统矩的弊端,又具有旋转不变性的特征。     

基于平移不变的小波去噪方法及应用

基于传统的小波变换去噪算法可能使信号的急剧变化部分产生人为的振荡现象，产生这种现象的一个直接原因是小波缺乏平移不变性。提出了基于平移不变的小波去噪方法，对所分析的信号进行循环平移，再利用软或硬门限对该信号的小波系数进行压缩，重构信号，再进行相反的循环平移，通过多次的平移-消噪-平移，平均所获得的结果，从而消除小波基的平移依赖性。该方法有效地消除人为的振荡现象，使消噪后的信号更加光滑，更好地逼近真实信号。     

用小波锥分解提取旋转和尺度不变特征

利用极坐标下Ｆｏｕｒｉｅｒ变换的模所具有的旋转不变性以及Ｍｅｌｌｉｎ变换的模所具有的尺度不变性，经过小波锥分解，提取其高层低频分量作为特征进行模式识别，对于０～９的十个不同旋转角和尺度大小的１６０幅图像都能正确的进行识别。     

离散情况下不变矩的不变性分析

定义了中心复数矩,提出了基于中心复数矩的不变矩表示,进而讨论了离散情况下不变矩的平移、旋转及尺度不变性,给出了理论分析结果,并用实验进行了验证。     

基于格结构的三带小波构造及在图像融合中的应用

提出了一种构造具有正交性、对称性、紧支性以及较高消失矩的三带尺度滤波器与小波滤波器的方法.首先,通过设置尺度滤波器消失矩并转移尺度滤波器的对称性性质,有效地减少了构造尺度滤波器过程中未知量的个数以及计算推导过程的复杂度.在此基础上,利用格结构理论,给出了对具有仿酉特性的多相位矩阵的一种分解方法,并利用这种分解求出了冲击响应长度为9、消失矩为3以及响应长度为15、消失矩分别为3和4的小波滤波器.最后,把所求得的小波滤波器应用到多聚焦图像的融合中.实验结果表明,利用具有上述性质的三带小波进行图像融合可以得到比利用二带小波进行融合更好的效果.     

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。