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.     

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。     

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。     

基于小波变换的分形数据压缩不变性

为了恢复在分形数据压缩过程中丢失的信息,从而获得分形数据压缩不变性,本文提出了一种基于小波变换技术估计和分析恢复数据参数的方法。该方法有效地解决了应用传统故障诊断方法对恢复数据进行分析时存在误差的问题,拓展了分形数据压缩技术的应用领域。     

一个具备平移、伸缩、旋转不变性的小波变换

在前人的基础上提出了具有旋转、伸缩及平移不变性的RST不变小波算法RSTXIW,并将此算法应用于数字水印领域.实验表明,RSTXIW不变小波算法具有较小的重构误差,其伸缩误差比双线性插值好仅稍逊于双三次插值,以它为基础的水印算法对于旋转、伸缩、平移等几何攻击具有较好的鲁棒性.     

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。     

ZEPNIKET矩的旋转不变性及对旋转角度的估计

Ｚｅｒｎｉｋｅ矩所用的变换核是一组正交换核，并且矩的模在空间上是旋转不变的，本文指出了Ｚｅｒｎｉｋｅ矩的相位包含了所有有关目标在空间取向的信息，为了提取这一重要信息，提出利用大于给定门限的多个矩的统计估计方法，计算机模拟结果，表明了这种方法有效性。     

完全可平移的小波基

构造出一族完全可平移的实正交小波基,以此否定了只有Ｓｈａｎｏｎ小波才是完全可平衡的这个观点,讨论了该小波的时频局部性,并且实现了用信号在单个频道内的小波系数内插平移信号小波系数的Ｓｉｍｏｎｃｅｌｌｉ型插值算法。     

多尺度小波变换在自适应滤波中的应用

分析了小波变换的基本理论和小波变换的多尺度分析，并根据多尺度小波变换的多分辨率特性，提出基于多尺度小波变换的自适应滤波，构造了其仿真模拟图，并对其进行了仿真，通过LMS自适应滤波和多尺度小波变换自适应滤波的信真图对比，表明该方法可行的。     

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。     

平移不变自适应块阈值图像去噪算法

为有效抑制图像阈值去噪产生的伪吉布斯现象,提出了平移不变自适应块阈值图像去噪算法(ABTTI).即,首先在小波域中将小波系数分成子块,然后利用块平移不变性、块阈值自适应性,并采用本文提出的基于子块能量的自适应阈值方法计算分块阈值.利用3种经典测试图像,与软阈值、块阈值等算法进行对比,结果证明ABTTI算法不仅具有好的去伪影性能,而且可以获得更高的峰值信噪比和计算效率.     

基于小波变换的图像匹配算法研究

介绍了图像匹配及小波变换的基础理论,并将传统的图像匹配技术和小波滤波技术相结合,利用小波的平移不变性,提出了一种改进的图像匹配算法,并给出了仿真实验,收到了良好的效果.     

基于平移不变离散小波的多普勒血流信号杂波抑制

针对由血管壁和慢速运动组织产生的杂波会严重影响超声多普勒低速血流成分频谱估计的准确性问题，根据超声多普勒血流信号及杂波的特征，提出基于平移不变离散小波变换的抑制杂波方法，分别对仿真和实际超声颈动脉血流信号进行实验，并与高通滤波和离散小波变换方法进行比较，结果表明：经过平移不变离散小波变换方法抑制杂波后，信号的声谱图质量及性能指标均有明显改善，其中低速血流相对误差仅为4．86％，与高通滤波方法的相对误差10．28％和离散小波方法的相对误差7．26％相比，相对误差分别减小了5．42％和2．4％，低速血流成分频谱估计的准确性得到了提高。     

利用独立成分分析和小波矩对车牌字符特征的识别

车牌识别技术作为智能交通系统的核心,起着举足轻重的作用.通过将独立成分分析和小波矩方法引入到车牌字符识别研究中来,提出了一种对车牌字符按照汉字组、数字与字母组进行分组,然后对不同组提取不同的特征进行识别的新方案.实验结果证明,所提方案可以达到很高的识别率.     

基于小波域中心矩特征的SAR图像识别

为克服合成孔径雷达(SAR: Synthetic Aperture Radar)图像的方位敏感性和平移敏感性给识别带来的困难, 提出一种基于二维离散小波变换与中心矩特征提取的SAR图像目标识别方法。该方法通过对图像的二维离散小波分解提取低频子带图像, 同时提取具有平移不变性的中心矩作为特征向量, 利用支持向量机进行目标分类和识别。实验结果表明, 该方法在有效抑制噪声的情况下, 很好地克服了SAR图像对目标方位的敏感性, 在减少计算量的同时具有较高的识别率。     

基于SIFT和小波变换的图像拼接算法

提出了一种基于尺度不变特征变换(SIFT)和小波变换的图像拼接算法,以提高室外复杂场景的图像拼接质量.利用SIFT算法提取基准图像(待匹配图像)和后续图像(与基准图像进行匹配的图像)的特征点,确定特征点的位置、尺度与方向;利用128维向量对特征点进行描述;利用最近邻法完成两幅图像特征点的匹配,确定重合区域;利用基于小波变换的多分辨率方法完成对图像的拼接.实验结果表明,该方法对亮度差异较大的图像拼接效果良好,适宜于室外复杂环境的图像拼接.