基于小波变换的岩心高光谱特征提取及波谱匹配方法

探讨岩心矿物高光谱特征提取和快速波谱匹配的方法.将小波变换应用于岩心高光谱的特征提取,以多尺度小波系数能量值为特征表示方法,以光谱角度匹配为矿物波谱匹配方法.针对湖北省大冶市鸡冠咀铜金矿的10条实测光谱,采用光谱角度匹配方法对实测波谱与标准波谱的多尺度小波系数能量值进行匹配,得到的矿物匹配结果与钻孔柱状图中的实际矿物完全吻合,验证了该方法的可靠性.多尺度小波系数能量值可以作为岩心高光谱的波谱特征,光谱角度匹配法在岩心高光谱的波谱匹配中同样具备适宜性.     

一种基于小波PCA的高光谱图像特征提取新方法

针对高光谱图像数据量大、数据维数高、光谱信息丰富的特点,提出一种基于小波分解的主成分分析(PCA)降维的特征提取新方法.该方法充分利用小波变换的优势,在光谱域内针对每个像元进行降维,既减少了数据量,还能保留光谱信号的差别;PCA方法充分利用像元间的相关性,保留不同类在相邻像元间的局部空间信息,弥补了空间域内小波变换类间可分性较差的问题.实验结果表明,小波分解与PCA相结合的特征提取方法能够有效地提高高光谱数据分类效率及分类精度.     

基于小波变换的雷达信号特征提取方法

基于小波变换,提出了一种提取雷达信号特征的方法。通过对雷达信号进行小波分解,设置门限,将小波变换系数转换为二进制,然后将二进制小波系数再转换为十进制,这样就得到了雷达信号的特征。通过目标识别实验,证明本文提出的方法是有效的。     

面向混合像元分解的光谱维小波特征提取

根据线性混合模型的特点,探讨面向混合像元分解的光谱特征提取与选择,提出以小波低频系数为特征的混合像元分解方法.高光谱像元矢量进行离散二进小波变换后,提取光谱特征影像,再基于特征影像估计出混合像元的组分,并用AVIRIS合成影像验证该分解方法.实验结果表明,良好的光谱特征能够较大地提高遥感混合像元的分解精度,比原始波段分解的精度提高约23%.     

基于张量分析和小波包变换的高光谱图像压缩

高光谱图像拥有巨大的数据量,造成其保存和传输非常不便,因此高光谱图像的压缩显得尤为重要.提出一种基于张量Tucker分解和小波包变换的高光谱图像压缩算法.首先,该算法利用Tucker分解的性质,充分提取高光谱图像中各个模式下的信息,并利用其中包含有空间信息的光谱模式对高光谱图像的光谱维进行解相关.然后,运用比经典Mallat小波分解更为有效的小波包变换对光谱去相关后保留下来的主成分进行JPEG2000压缩.实验结果表明,本算法压缩性能远远好于经典的三维小波算法,并且由于张量分解的应用,不论在码率失真表现还是信息保真度上,本算法均比基于一维主成分分析的高光谱压缩算法更具优势.     

基于离散小波变换与小波包分解的语音增强算法

提出了一种基于离散小波变换（DWT）和小波包分解（WPD）的语音增强算法.该算法首先将带噪语音进行离散小波变换,并分别对离散逼近信号和离散细节信号采用不同的基小波进行小波包分解,再按照不同的规则选取阈值进行去噪,最后对去噪后的语音信号完成重构.计算机仿真表明,在计算量相当的情况下,该算法优于离散小波变换法去噪和小波包分解法去噪.     

基于小波和Beamlet变换的图像线特征提取

Beamlet变换是多尺度几何分析的有效工具之一。本文提出了一种基于小波变换和Beamlet的图像线特征提取算法,利用小波变换凸显图像的线特征,再通过Beamlet变换提取图像线特征,实验结果表明了该方法有效。     

基于小波变换的语音信号的特征提取

本文将小波变换用于语音信号目标特征的提取,利用小波变换对语音目标进行小波包分解后提取各频带内的能量特征作为特征向量。实验表明,小波变换使信号的频率特征得到增强,且压缩了特征空间的维数,具有很好的语音信号分类效果。     

基于广义判别分析的高光谱影像特征提取

为提高高光谱影像地物识别的精度与速度,采用基于核方法的广义判别分析进行高光谱影像的非线性特征提取.研究了广义判别分析的数学模型、模型求解方法及特征提取过程,并进行了高光谱影像特征提取与分类实验.结果表明:样本点在特征空间中,同类目标大体聚集成团,异类彼此分离,具有良好的紧致性,特征提取结果优于线性判别分析结果.     

基于三维小波变换和上下文量化的高光谱图像压缩

提出了一种基于三维小波变换和上下文量化的高光谱图像压缩算法.该算法先利用三维小波变换去除高光谱图像在谱内和谱间的冗余信息,然后建立了一个高维时、频域的上下文预测模型以分析小波系数之间的相关性,并通过对增加条件熵的理论分析,合理地对该模型中的上下文进行量化,得到合适的编码上下文用于自适应的算术编码.试验结果表明,该算法不仅明显优于基于二维小波变换的JPEG2000标准,而且相对于同样基于三维小波变换的三维分层树集合分裂算法也有较大的提高.     

基于改进的小波变换的纹理特征提取算法

提出了一种基于改进的小波变换的纹理特征提取算法。首先介绍了基于金字塔小波变换的纹理特征提取方法,然后在分析金字塔小波变换和离散小波框架的基础上,提出一种基于改进的离散小波变换的纹理特征提取方法。最后,给出了上述算法的计算机实现方法,并进行了计算机仿真研究。     

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。     

基于小波变换的数字调制信号特征提取

小波变换的多分辨率特性对暂态信号有很强的检测能力,数字信号在不同码元之间呈现出幅度、频率和相位瞬变现象.文讨论如何利用小波变换对数字调制信号的瞬变特征进行提取,实验表明该方法对数字调制信号幅度、频率和相位的瞬变特征能够进行有效的检测.     

基于特征提取的高光谱数据分类

目的提出高光谱数据的分类流程,以取高光谱数据对地物具有更高的光谱分辨率的优势,避其巨大数据量和波段间强相关性的弱势。方法应用辨别分析和决策面特征提取方法。结果减低了数据量,优化了高光谱信息。特征提取对高光谱信息优化处理十分有效,并达到了高维信息数据降维和高效利用的可行性。结论在一定的分类精度范围内,减低维数而不丢失信息,可以提高分类器的效能,实现高维遥感数据的优化处理和高效利用。     

离散小波变换的探讨

在Ｍａｌｌａｔ的基础上，讨论了从连续小波变换到离散小波变换的过程，得出离散过程要受诸多因素的限制，其中信号ｆ（ｔ）的离散同样必须满足Ｎｙｑｕｉｓｔ抽样定理。     

基于小波变换的双通道语音增强

运用噪声对消法的基本原理,通过小波变换对染有噪声的语音信号进行了消噪处理,并取得了一定的效果。     

基于小波变换的多尺度图象边缘检测

提出了一种新的图象边缘检测方法,这种方法解决了第一代多尺度边缘检测方法中存在的两个问题,即边缘仅定义为信号的奇异性表现和滤波尺度参数难以选择。实验结果表明,本方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等明显的优点。     

基于小波变换的图像信号分解研究

本文通过对小波变换多分辨分析特性的介绍，讨论了基于小波基分解的滤波器组设计原理，给出了静止图像数据的树形分解的方法和分解结果，结果表明，树形分解后，可有效压缩数据动态范围，便于采用适当的量化方式，结合其它非线性编码，达到较高的压缩比。     

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。