基于小波变换的圆谐联合变换相关器

将小波变换应用于圆谐联合变换相关器作旋转不变的目标检测。与高通滤波的圆谐联合变换相关器相比,其输出相关峰宽度、识别力、峰噪比和旋转不变性都有较大改善,小波函数采用改进的Ｍｅｘｉｃａｎ－ｈａｔ小波,圆谐联合变换相关器采用直流偏置型,给出计算机模拟实验结果。     

光学小波变换初探

介绍了小波变换的基本特征和类型，重点研究小波变换光等实现的原理和实验装置．     

用Haar小波联合变换相关器进行模式识别

在联合变换相关器中应用Harr小波滤波器进行模式识别，并利用参考自相关谱抽取的方法来削弱零级直流发量，模拟结果表明，可以有效提高系统的抗噪声能力和鉴别率。     

基于Matlab的光学衍射仿真

光学衍射是光学的重要内容,对光学衍射的研究,做传统的光学衍射实验,对实验仪器和实验场所要求苛刻,但是实验效果却并不一定理想。计算机技术的引入为光学衍射研究提供了崭新的思路。就光学中的单缝衍射和光栅衍射建立了数学模型,利用强大的数值计算和图像处理功能软件Matlab,编制了Matlab仿真程序,输出了仿真图样。仿真结果表明,仿真图样清晰逼真,仿真结论和理论是吻合的。研究表明,借助计算机进行光学实验仿真,可以不受实验仪器和实验场所的限制,可以极大地促进光学的研究。     

光学图像识别相关器的MATLAB 仿真

利用MATLAB提供的图像处理函数来模拟光学图像识别相关器对图像的识别,得到较好的仿真结果。     

基于Matlab的光学实验仿真平台

利用Matlab的强大计算功能和绘图功能,建立了一种光学实验仿真平台.     

光学Haar小波变换的数值模拟

以Haar小波为例,对光学小波变换过程进行数值模拟．模拟程序包含原图像的读取、Haar小波的构造、频谱变换、空间匹配滤波等内容,能够模拟Haar小波对图像边缘增强过程．通过改变Haar小波的宽度,分析了不同尺度小波的光学变换结果．同时,还提出了Haar小波的二次滤波方法,图像的边缘得到进一步增强．     

改进的小波神经网络及其Matlab仿真

针对小波神经网络存在的不足,对其结构进行改进：构造四层结构的小波网络,增加一层隐含层,并在这一层中将网络输入不同类型的参数进行分类综合.改进后的网络结构更具直观性和物理意义,且网络权值被大大精简,提高了网络的训练和收敛速度.     

基于小波变换的电网谐波电流检测

谐波对电力系统和用电设备产生了严重危害和影响.谐波检测是谐波问题的一个重要分支,实时、精确地对电网谐波进行检测有着重要的现实意义,但传统的谐波检测方法有很多缺点.随着数字信号处理技术的发展,小波变换作为一种较有效的方法,也被应用于对电网的谐波检测中.本文利用基于多分辨率分析的小波变换对电网谐波信号进行分析,理论分析和仿真结果都证实了该方法的有效性.     

光学图像识别技术的MATLAB仿真

光学图像识别有两种主要的实现方式,其一是采用VanderLugt相关器,其二是采用联合变换相关器。这两种技术都是建立在4f光学成像系统基础之上的。MATLAB提供了丰富的图像处理函数,它们能实现4f光学成像系统的变换功能。利用这些函数可以模拟光学图像识别技术对图像的识别,能得到较好的仿真结果。     

基于二维小波变换的虹膜识别方法

提出一种基于二维小波变换的虹膜识别方法; 对虹膜图 像预处理后, 将二维小波变换与积分图像相结合, 实现虹膜纹理的特征提取; 实验检验了算法的有效性.     

小波变换在变压器绕组变形识别中的研究

论述变压器绕组变形检测的低压冲法中利用小波变换提取特征量及变形识别的方法,通过实例证明,利用小波变换能有效消除噪声,使测量具有重复怀,并能进行变形的模式识别。     

基于小波变换过零检测的虹膜识别技术

使用小波变换过零检测算法可实现人眼虹膜图像的编码和识别 .瞳孔尺寸变化会使虹膜纹理图像变形 ,进而影响识别算法 .采用虹膜变形模型克服了瞳孔缩放带来的影响 ,并针对图像编码不等长问题 ,提出了有限变形相似度的相似度算法 ,使识别算法更加稳定     

基于小波变换的多普勒雷达目标识别

提出应用小波变换技术 ,以辨识不同目标回波之间的细微差异 ,并对连续波多普勒体制雷达的回波信号进行分析的方法 .采用本方法在雷达的一个距离波门内得到了地面目标的数量信息     

基于Haar小波变换和分块DCT的人耳识别

提出一种新的对人耳图像进行降维的方法。先对人耳图像进行二维的离散小波分解,然后再对小波分解后得到的低频信息施行分块离散余弦变换,进而获得图像的特征向量。实验证明,该方法与模式识别领域中广泛应用的PCA-LDA方法相比,在识别率大体相当的前提下,具有计算量小、降维速度快的优点,是对人耳图像进行特征提取的一种有效的手段。     

小波变换时频特性的信号识别

研究了小波变换时频特性的信号识别及其在复合材料损伤检测中的应用．根据小波变换的框架重构理论及时频相空间理论,提取信号的时频域特征,通过比较原信号的时频空间和小波变换相空间的相同部分,得到能反映同样时频特征的小波级数展开项和的个数,并用误差函数的最小化提取能反映时频性质的小波系数．以此作为小波神经网络的学习参数,经过学习后,使之能对信号进行识别．应用此方法对复合材料试验过程中的复杂曲线进行了实验识别,效果很好．从小波时频特性提取的信号特征,在时间和频率方面都能体现原信号所包括的本质信息,供助Ｂ样条小波神经网络的识别结果,达到了预期目的．     

一种基于子波变换的改进型零树量化编码算法

该文在图像子波变换的 基础上，提出一种改进型零树量化编码算法。该算法保留了原算法的优点，并引入频率优先原则，改进了原自救中存在的不足：当压缩比逐渐增大时，尤其当所处理的图像含高频信息丰富的时候，所恢复图像的低频成份损失较严重，使得重建质量变得很差。实验表明，在相同压缩经条件下，改进算法ＭＳＥ得到明显减少。尤其对含高频分量丰富的图像，处理效果更为理想。     

车载手势识别中基于小波变换和双边滤波的图像去噪方法

手势识别是人机交互中的重要研究领域,车载手势识别系统可以减少驾驶员手动操作仪表导致的分心,提高驾驶安全性。受光照变化、汽车环境、摄像头成像质量等各因素的影响,车载手势图像中常会存在大量复杂噪声。这些噪声严重影响后续手势分割、特征提取和手势识别的准确性。针对手势图像中存在的噪声问题,本文提出了一种适用于车载手势图像处理的新方法。该方法先对小波分解后的各高频子带采用不同方向的一维非线性扩散滤波处理得到初步去噪手势图,在此基础上用多尺度双边滤波对图像再次处理。实验结果表明,本文方法可以较好地去除车载手势图中噪声,抑制车载手势图细节的模糊。      

基于小波变换的实时信号噪声快速识别

在火箭飞行过程中，常常需要对火箭位置和飞行姿态进行实时处理，这必须以准确的飞行测量数据为基础。但在测量到的火箭飞行数据中往往伴随着大量噪声，如何快速有效地识别这些噪声成为关注的焦点。针对该课题给出了一种基于小波方法的实时信号所包含噪声的在线快速识别算法，能大大减少小波变换的计算量，其时间复杂性为常数，并在采集实时信号的同时快速识别出信号包含的噪声。实用证明该算法处理这类问题的效果好，充分满足了实时性要求，并能处理其它领域中的实时测量数据。