基于小波变换的PCB缺陷视觉检测技术研究

针对现有的PCB(PrintedCircuitBoard)缺陷视觉检测系统实时性较差,难以检测线宽过窄等问题,首先对PCB缺陷图像进行小波变换压缩,提高了系统实时性;然后应用小波边缘检测算法对缺陷图像边缘精确定位,在图像小波变换局部模极大值对应的梯度方向上计算边缘点距离,根据特定规则提取、识别并定位特定缺陷,实验结果表明上述方法简单有效。     

一种新的图像特征抽取方法

本文描述了一种新的图像特征提取方法.它基于小波变换的多尺度方法,这种方法通过对二进尺度下图像小波变换局部极大值的检测提取图像边缘特征.文中给出了图像特征提取的实例.     

小波包子带频域矩和遗传算法的图像隐写分析

针对现有典型的通用隐写分析方法提取特征时多数对图像进行正交小波分解中的不足,提出了一种新的利用小波包分解和遗传算法的高效的隐写检测方案.首先对原灰度图像及其预测误差图像运用小波包分解生成多个子带,提取各子带系数的直方图特征函数多阶矩作为特征,将支持向量机的分类效果作为适应度函数值返回,指导遗传算法搜索最优的特征选择方案.针对Outguess、F5、MB1隐密图像与载体图所组成的混合图像库上的仿真实验结果表明:该方法比现有的隐写分析方法,平均检测率提高了约1%-17.8%.     

基于小波的人脸去光照识别算法研究

研究了面部图像的多级小波分解与重构,分析了光照、表情等变化对小波分解低频近似系数的影响,指出了光照变化对小波低频近似系数影响最大,表情和个体差异的影响次之.在此基础上提出应用PCA变换的方法来重建光照影响小的小波低频近似分量,以此来替换原图的小波低频近似系数,再通过小波重构得到去光照人脸.在识别时,运用特征脸的方法对重构脸进行了特征提取与识别研究,在AR人脸库上进行了测试,并对不同小波基进行了比较,结果表明该方法能有效地去除光照等因素影响,识别效果得到了较大地提高.     

结合区域光流特征的时序模板行为识别

提出一种结合时序模板(运动历史图像和运动能量图像)的小波矩特征和计算视频区域光流特征的方法来进行人体行为识别.小波矩具有平移、旋转、尺度不变性并且具备小波的多尺度特性,能够很好地描述运动历史图像和运动能量图像的形状特征,对于简单的动作识别效果较好,但是它不能体现出动作的速度信息.使用ucas-Kanade光流法计算视频的区域光流能够描述动作的方向和速度特征,弥补了小波矩缺少动作速度信息的不足.结合两种方法描述动作,基于Weizmann数据库所进行的实验测试结果验证了所提方法的有效性.     

基于多小波的信号奇异性分析方法

多小波具有很强的信号处理能力，而信号的奇异性用于表征信号突变或是不规则变化性质，包含了信号的重要信息，研究多小波的信号奇异性分析方法有重要意义。基于此，分析多小波的信号处理能力和信号的奇异性特性。推导出多小波变换模极大值与信号奇异性之间相应的关系，并将其应用于图像处理。仿真实验结果表明，多小波变换能很好的刻画信号的奇异性特征。     

基于WPTMM的PM2.5与气象条件关系的联合多重分形分析

PM2.5是影响空气质量的主要污染物,PM2.5污染浓度与气象条件关系密切,研究气象条件对PM2.5浓度的影响对改善城市空气质量有着重要意义.鉴于分形和小波在处理复杂非线性系统时的优势,本文提出了基于小波包变换模极大值(wavelet:packet transform modulus maxima,WPTMM)的联合多重分形,首先对变量序列进行小波包分解,使用模极大值进行去噪,然后构造联合配分函数,最后计算联合多重分形谱,分析两个变量之间的分形相关性.该方法将单个变量的多重分形扩展到两个变量的联合多重分形,并且利用WPTMM计算联合多重分形谱降低了计算复杂度,同时去除噪声的影响.用本文方法分析北京、香港PM2.5浓度与各气象要素之间的关系,实验结果表明,该方法能够有效地分析各种气象要素在不同季节中对PM2.5浓度的影响.     

基于小波变换奇异信号检测的研究

奇异信号中的奇异点及不规则的突变部分经常携带有比较重要的信息 ,它是信号重要的特征之一。用李氏指数 (Lipschitz)来描述信号的局部奇异性。证明了小波变换确实能用来检测信号的局部奇异性。而利用小波变换模的局部极大值和信号奇异点之间的关系 ,同样可以对信号的局部奇异性进行分析 ,而且运算量较小。证明了小波变换模极大值能够检测信号奇异性 ;分析了奇异信号检测时小波基的选择的条件。最后给出实例分析的结论 :为了有效地检测奇异信号的各种奇异性特征 ,小波基消失矩必须具有足够的阶数     

一种基于小波模极大值的信号去噪算法

研究了小波变换中噪声和信号的次要的模量极大值曲线对定位信号特征点造成干扰的问题,提出一种基于小波模阈值和模极大值曲线长度阈值的去噪算法,并把该算法与传统小波阈值去噪算法进行了对比。仿真结果表明,该算法可以明显地去掉噪声和信号中次要的模极大值曲线,保留信号主要的模极大值曲线,在定位信号特征点上优于小波阈值去噪算法。     

基于Retinex和小波分解的手背静脉识别方法

为了解决手背静脉识别系统中图像的对比度较低且静脉结构简单的问题,首先提出一种基于自适应平滑滤波器的Retinex增强算法,在增强静脉结构的同时均衡了图像灰度;然后分析了静脉图像的小波分解子带图像和灰度积分投影,指出小波低频子带图像和垂直方向的灰度积分投影比较适合作为手背静脉识别的特征;进一步提取了基于逼近系数的小波不变矩特征,并融合形成了90维的手背静脉特征向量;最后建立SVM分类器并利用手背静脉图像库进行实验,结果证明了该算法的识别优越性.     

利用特征加权进行基于小波框架变换的红外目标检测

提出了一个基于背景纹理多分辨分析的红外目标检测方法。本方法通过对原始图像作小波框架变换提取不同分辨率下背景纹理的特征,利用特征加权技术（FWT）,得到中心向量,求出每个象素点的特征向量到中心向量的距离。根据距离像统计直方图实现阈值判别。实验证明该方法取得了较好的效果。     

TESTING FOR OUTLIERS IN TIME SERIES USING WAVELETS

One remarkable feature ofwavelet decomposition is that the wavelet coefficients are localized, and any singularity in the input signals can only affect the wavelet coefficients at the point near the singularity. The localized property of the wavelet coefficients allows us to identify the singularities in the input signals by studying the wavelet coefficients at different resolution levels. This paper considers wavelet-based approaches for the detection of outliers in time series. Outliers are high-frequency phenomena which are associated with the wavelet coefficients with large absolute values at different resolution levels. On the basis of the first-level wavelet coefficients, this paper presents a diagnostic to identify outliers in a time series. Under the null hypothesis that there is no outlier, the proposed diagnostic is distributed as a X1^2. Empirical examples are presented to demonstrate the application of the proposed diagnostic.     

小波神经网络及其在旋转机械轴心轨迹识别中的应用

提出一种基于小波变换理论的小波神经网络模式识别方法,并将该方法应用于旋转机械轴心轨迹的识别。在本文提出的方法中,模式识别分两步来完成。第一步通过小波网络完成对数据的压缩,第二步应用前馈神经网络对第一步中的压缩数据进行学习与分类,从而达到模式识别的目的。     

正交尺度小波网络在我国税收预测中的应用

提出一种用正交尺度函数代替RBF网络中的激活函数的小波网络,给出相应小波网络学习算法;并以我国1978~2001年的税收数据为样本进行税收模拟预测,预测结果表明,该模型预测误差低于普通BP网络。     

基于分形特征的我国干旱灾害小波分析

小波分析可用于揭示旱灾时序数据的演变规律,这对其早期预警具有重要意义.利用我国近60年的的旱灾成灾率时序数据,在 探讨其分形及小波特征基础上,利用Mallat算法进行了多分辨小波分解与重构.结果显示:中国旱灾时序数据存在分形特征,其 最小嵌入维为6; 6层小波分解与重构能够清晰揭示其时序变化的多个周期,其中30-35年(中心32年)周期上能量密度最大.研究证明: 1)分维计算中的最小嵌入维作为小波分解的最大有效分解层数可行,通过对旱灾成灾率时序数据的分析也证实了该猜想,这拓展了分形 计算的应用. 2)我国旱灾成灾率受6个实质性状态变量驱动,具有多周期特征.目前仍处于旱灾成灾率的增长期.     

基于提升小波技术的阈值量化图像压缩方案

结合多级树集合分裂算法（SPIHT）能产生完全的嵌入式码流的特性,设计了一种新的阈值量化方莹的彩色图像压缩算法。通过建立彩色空间的可逆分量变换,减小三含彩色分量之闽的相关性,并对变换后的三分量进行提升的整教小波变换。将定义的自然数的平方作为门限值,完成对三分量小波系数矩庠的量化和联合编码。实验结果表明,本方案与传统量化方案下的SPIHT算法相比,大多数重要系数的编码长度至少减少1个比特数,当比特率非常低对,压缩效果更明显。     

二相编码信号调制分析与识别

针对采用脉冲压缩体制的低截获概率雷达的应用场合,提出了一种识别二相编码脉冲压缩雷达信号的新算法。该算法基于信号的时频分析(小波分析和短时傅里叶变换),利用小波变换的相位尺度和载波尺度的模极大值特征辨识信号的相位调制规律,因而在无需计算全部小波系数的情况下,可快速地获得信号的数学模型,为算法在实际中的应用提供了良好的条件。给出了应用该方法的具体步骤,通过计算机仿真实验证明该算法的有效性。     

小波分析与Fisher判别法相结合的数字水印算法

提出了在彩色图像的小波变换域中实现数字水印的一种算法。该算法能很好地保证水印图像与原始图像具有相似的视觉效果,而且在用Fisher判别法实现水印盲复原时能准确地抽取水印信号。最后通过实验测试验证了该算法的鲁棒性。     

一种新的基于小波对比度的图像融合算法

改进了局部小波对比度的定义。基于新的对比度的融合过程,选择系数时针对融合图像的视觉重要性,而不是孤立地在单幅源图像上计算的视觉重要性,因而对于融合图像更加有意义。图像融合过程采用了"选择"和"加权平均"混合的系数选择规则,在充分保留显著图像细节信息的前提下,进一步增强了算法的稳定性。仿真结果及客观分析表明,基于改进小波对比度的图像融合算法能具有明显的提高。     

基于改进的自适应小波神经网络的心电信号分类

心电信号（ECG）识别是重病特别护理中一个非常重要的课题,自动检测和分类心电节律信号是诊断心脏异常的一项重要任务。基于小波变换理论,小波神经网络已经被广泛的应用于信号的表达和分类。文中介绍了一种具有一层感知机的小波神经网络,对小波神经网络收敛性影响较大的网络初始化值提出了一种改进的初始化算法,并研究得出了隐含层的选取与网络收敛性的关系。应用该网络分类心电信号的正常心跳和室前收缩,取得了很好的效果。文中使用到的心电数据是从MIT-BIH心电失常数据库中下载的。