一种基于Haar小波的塔式分解重构算法

基于Haar小波的尺度和小波函数定义与特性,经过一系列推导得到基于Haar小波的塔式分解重构算法,并给出了图例验证算法分解和重构过程的正确性。本文给出的相关算法可对离散化的信号进行分解和重构,从而进行信号的噪音滤除和数据压缩等分析处理。     

基于Haar小波的虹膜特征提取算法

虹膜特征提取算法的优劣决定了虹膜识别系统的性能,经典小波变换算法在特征提取上存在不足,提出一种利用二维Haar小波提取虹膜特征的算法。算法在虹膜预处理的基础上,利用2D Haar小波对虹膜特征提取区域分解,对第三层小波分解高频系数编码生成375bits虹膜编码,利用相似度作为特征匹配关系。在中国科学院虹膜数据库[CASIA(1.0)]上的实验结果表明,算法在认证模式(Verification)与识别模式(Identification)下,性能均优于Boles的算法和Wildes的算法,仅次于Daugman的算法;但本算法虹膜码长度仅为Daugman的1/5,更节省储存空间,正确识别率为99.16%,等错率达到0.54%。     

二维多尺度塔式分解与重构的matlab实现

基于Haar小波的塔式分解重构算法,给出了二维多尺度塔式分解与重构的matlab实现。互逆实验及分析表明该matlab实现不仅能正确地进行二维多尺度塔式分解与重构,而且能有效地提高计算效率和精度。本文给出的matlab实现具备小波变换的多分辨率等特性,可用于信号和图像的噪音滤除和数据压缩等分析处理。     

二维多尺度塔式分解与重构的matlab实现

基于Haar小波的塔式分解重构算法,给出了二维多尺度塔式分解与重构的matlab实现。互逆实验及分析表明该matlab实现不仅能正确地进行二维多尺度塔式分解与重构,而且能有效地提高计算效率和精度。本文给出的matlab实现具备小波变换的多分辨率等特性,可用于信号和图像的噪音滤除和数据压缩等分析处理。     

Haar小波滤波算法的研究

本文介绍了Haar小波的去噪原理及其算法的特点,可应用该算法解决傅立叶变换难以对非平稳信号进行分析的难题,最终通过仿真测试说明正确的应用小波算法,可较理想的实现信号的去噪、分解和重构．     

一种基于haar小波的人脸图像去噪算法

复杂背景下人脸图像的去噪对人脸检测与识别具有重要意义。本文分析了二维小波变换与图像处理的关系,然后给出了一种基于haar小波的人脸图像去噪算法。该算法将人脸图像进行多层分解,在每层分别采用软阈值法进行去噪处理,实验结果表明,算法具有良好的去噪效果。     

一种基于奇异值分解的分层重构算法

以仿射投影来逼近透视投影,采用共轭梯度法迭代估计射影深度,通过测量矩阵的奇异值分解实现射影重构.在摄象机内参数已知的情况下,求解一个满足欧氏重构条件的4×4非奇异矩阵,由此矩阵将射影重构变换为欧氏重构.实验结果表明该算法是行之有效的.     

上种基于haar小波的人脸图像去噪算法

复杂背景下人脸图像的去噪对人脸检测与识别具有重要意义。本文分析了二维小波变换与图像处理的关系,然后给出了一种基于haar小波的人脸图像去噪算法。该算法将人脸图像进行多层分解,在每层分别采用软闲值法进行去噪处理,实验结果表明,算法具有良好的去噪效果     

基于小波分解与重构算法多维系统辨识

在多元小波分解和重构算法的基础上结合AIC信息准则建立多维线性系统点扩展函数的小波基优化模型。仿真结果表明该算法具有较高的精确度和稳定性。     

一类多小波变换的分解与重构算法

讨论了由一类一维二进多小波构造的二维多小波的性质,并给出二进多小波变换的分解与重构算法.     

基于DSP的快速小波分解和重构

在小波变换和TI(TexasInstruments)的浮点数字信号处理器TMS320C3X的基础上,对Mallat快速算法的分解公式和重构公式分别作了详细地说明,提出并实现了利用Matlab作辅助的设计工具在TMS320C3X DSP上实现快速小波分解和快速小波重构的方法,并给出了主要的汇编代码.该方法利用DSP(Digital Signal Processor)指令集的特点,以较少的指令周期,实现了Mallat算法.实际运行结果表明,该方法满足实时处理场合的要求.     

基于图像金字塔分解的快速全局运动估计

文章提出了一种基于图像金字塔分解的快速全局运动估计算法.为了提高计算速度与准确性,采用了3层金字塔进行多分辨率计算.在金字塔第3层图像中,进行宏块预判,去除不可靠宏块,通过块匹配算法粗略地求出摄像机运动参数,并将运动参数映射到金字塔第2层.在金字塔的前2层图像中,将宏块预判与基于块的外点去除算法相结合,去除不可靠宏块,...     

变分分解模型的模糊增强算法

将分解模型应用到模糊增强算法中,用有界变分(BV)函数描述图像的结构信息,空间G描述图像的纹理信息,提出一种基于变分分解(BV-G)模型的模糊增强算法.给出算法原理和实现步骤,并通过多组对比实验验证该算法的可行性.     

利用QR分解的脆弱水印算法

提出一种基于QR分解的脆弱水印算法。该算法运用了矩阵的QR分解技术,把原始图像信息转化成很短的二进制比特串,并把其作为水印嵌入到原始图像中随机选取的某些像素的LSB位。该算法不仅能检测到水印图像的任何改动,同时还保证了水印图像的质量。此外,为了对水印图像的变化像素进行定位,提出了一种运用了分块技术的扩展算法,并对此扩展算法进行了改进,使其能够抵抗剪切—粘贴攻击。实验证明该算法对水印图像的改变非常敏感,定位算法也有很好的效果。     

一种离散小波变换的快速分解和重构算法

通过对实序列的快速傅里叶变换算法的推导及Mallat算法原理的分析,根据离散小波变换（DWT）算法结构特征,提出了一种离散小波变换的快速分解和重构算法;给出了相应的算法步骤,从数学理论上对该算法进行了论证。结果表明与原有的快速小波算法（Mallat算法）相比,可显著减少信号与滤波器长度N较大（大于16）时小波变换的实乘次数（分解仅为（5log2N 7)N次,重构仅为4N（1 log2N)次）提高了运算速度,且该算法有着良好的并行性,易于数字信号处理器（DSP）的快速实现。     

基于塔式分解格式的多尺度平移伪框架的特征

引进多尺度平移伪框架的概念.借助于算子理论与滤波器理论,刻画多尺度平移伪框架的特征.建立广义多分辩结构的塔式分解格式,给出塔式分解格式存在的充要条件,得到平方可积函数空间的函数仿射框架展式.     

基于金字塔变换和形态学的车牌定位算法研究

车牌定位是车牌识别系统的关键技术之一。为了快速准确地定位车牌,文章提出一种改进的金字塔变换和数学形态学的车牌定位算法。首先通过金字塔变换进行预处理,增强图像的细节信息,减弱环境和光照等条件变化对车牌定位的影响;然后利用图像二值化和数学形态学技术形成包含车牌的若干候选区,在此基础上设计了一种先周边后中心的车牌提取算法;最终准确定位出车牌位置,提取出车牌图像。通过对不同地点、不同自然条件下采集的图像进行测试,得出定位准确率为99.2%、平均定位时间为0.309s,证明了该车牌定位算法准确可行,具有良好的性能。     

基于构造空间金字塔度量矩阵的图像分类算法

传统的空间金字塔匹配方法时间复杂度较高,其所采用的SIFT底层特征缺少颜色信息,从而导致图像分类性能不佳。该文提出了一种融合颜色和尺度不变特征的CSIFT算子,通过建立CSIFT词典的有向图邻接矩阵,对词典中单词的距离进行度量,构建了n阶距离度量矩阵,对图像进行相似性度量并分类。实验结果表明,该方法在优化图像词典构造方面有明显效果,提高了图像分类精度。