基于小波双立方插值的Bessel拟合图像复原算法

对模糊图像复原的目的在于对图像进行去模糊、去噪及建立在特征值基础上的矢量化处理,最大限度恢复原图像。本文提出了一种基于小波双立方配比插值的贝塞尔拟合图像边缘特征复原的新算法,在初始图像降质处理基础上通过小波双立方配比插值（Wavelet Bi-cubic）、双三次插值法得到融合样本图像,并在Canny边缘检测基础上提出对拟合边缘特征点的贝塞尔曲线拟合,最后将图像特征轮廓分别进行Delaunay剖分算法的矢量化处理,保留原始灰度色彩复原图像。实验对这三种方法的轮廓复原图像与原始清晰图像进行对比,由具体参数（PSNR、SSIM、FSIM以及运算时间TOC等）说明验证。实验结果表明,经由小波双立方配比插值与贝塞尔拟合得到的轮廓图像复原比双三次插值与贝塞尔拟合得到的轮廓图像复原效果要好,且明显缩短运算时间。     

基于信号小波预处理的继电保护仿真实验平台

针对传统继电保护教学实验仪器功能单一、造价昂贵等常见问题,设计了基于计算机MATLAB软件和数模转换输出硬件系统的继电保护仿真实验平台。依靠MATALB强大的仿真运算和程序处理功能,通过高性能的数/模(digital/analog,D/A)转换模块和功率放大电路,将灵活的电网模型仿真模拟量传送到待测继电保护设备中,并将设备动作信号收集并反馈;为解决仿真算法引入的系统外部误差,设计了基于小波理论的信号重构方法,使信号稳定的进行转换和输出。通过仿真实验对比,在消除解法器引入的误差时,所提方法明显优于常用滤波方法。最后通过实际微机保护测试实验验证了该实验平台的可行性。     

基于小波变换的信号噪声平滑处理

信号采集过程中不可避免的受到噪声的干扰,噪声的不可预测性和高破坏性对信号处理结果有很大的影响。本文基于小波分析方法对信号噪声平滑处理进行分析,表明小波分析方法可以很好的对噪声干扰的信号进行噪声平滑,为信号处理结果的正确性提供基础。选取小波基母函数dmy和haar均能够实现信号降噪,但使用小波基母函数dmy对含噪声信号的平滑效果更好。     

基于加权L1最小化的图像小波域压缩感知重构

压缩感知理论因为能以少量的采样精确地重构原始信号而得到广泛关注.通过在压缩感知的框架下研究小波域图像重构问题,提出了一类小波域的加权l1最小化方法.该方法不仅利用了信号稀疏性的先验信息,而且在重构模型中,通过对不同小波子带上的系数施加不同的权重,从而整合了图像小波域的结构信息,与经典的压缩感知算法相比具有更好的信号可恢复性.仿真实验结果表明,选用该方法能够以更少的采样得到同等精度的重构图像,验证了该方法的有效性.     

小波系数插值支持下的遥感影像混合像元分解

针对遥感混合像元分解中不能有效利用空间邻域信息的问题,提出一种基于超分辨率重建的分解方法. 通过小波系数双线性插值获得遥感影像的超分辨率影像,对超分辨率影像进行监督分类生成超分辨率分类图,最后通过窗口统计得到原始分辨率下各地物的丰度图. 广州城区的模拟TM遥感影像试验表明,该方法的分解精度
在3种方法中最优,能够较充分利用空间邻域信息,提高混合像元分解精度,为混合像元分解提供了新的途径.     

基于小波系数重要值与SVD的零水印算法

为提高水印算法的抗攻击性能,提出了一种基于小波系数重要值与奇异值分解（SVI））的零水印算法．算法对宿主图像的低频子带进行分决,在密钥的控制下,伪随机地选择低频子带中的两决共4个系数组成一组,找出每组中的重要值;对重要值进行分块奇异值分解,最后通过判断每个子块最大奇异值的最高位数字奇偶性产生零水印．实验结果表明,该算法在抵抗普通攻击与抗旋转几何攻击方面均具有较好的鲁棒性．     

基于二维Gabor小波和孪生支持向量机的图像识别算法

为了提高图像识别性能,采用孪生支持向量机用于图像分类识别,并结合二维Gabor小波对图像纹理特征进行提取,借助局部线性嵌入(Locally linear embedding,LLE)降维,以进一步提高图像识别准确率和识别效率.采用二维Gabor小波对图像数据进行有效滤波,获得图像关键纹理特征,然后对大量纹理特征进行LL...     

基于近似熵快速算法的静息态脑磁信号分析

为了探究静息态精神分裂症患者脑磁信号的非线性动力学特性,提出了一种将小波变换和近似熵相结合的特征提取方法.该方法首先通过小波变换,将10个正常人和10个精神分裂症患者的脑磁信号进行6层小波分解,提取对应于脑磁信号θ波段和α波段的小波系数,继而计算和比较两类人近似熵的分布情况.实验结果表明,相同情况下精神分裂症患者MEG信号的各脑区和各通道间的近似熵都普遍高于正常人,α波段的额叶和中央区域尤为突出.该结果为进一步研究患者MEG信号特征进而建立相应的分类诊断模型提供了思路.     

基于小波标架算法的非平稳信号去噪方法

针对传统小波去噪算法存在的时频分辨率低、去噪效果不佳等问题,提出基于小波标架算法的非平稳信号去噪方法.首先,对含噪非平稳信号采样并计算Hilbert矩阵对应的对偶标架,然后以对偶标架作为小波基,对含噪非平稳信号进行小波分解与重构. ricker子波合成非平稳信号的去噪实验表明:该算法能有效去除非平稳信号中混入的随机噪声.与传统小波变化算法对比,该算法的误差更小,去噪效果更好.     

基于矩阵互相关性的框架界估计

在实际应用中,框架界的比值是滤波器设计的一个非常重要的参数,它关系着整个系统的最终性能.一般来说,框架界的比值越小,系统的性能越好.对给定框架的框架界进行估计以确定该框架的性能是一项重要的工作.对于有限维序列空间中的框架{a_1,a_2,…,a_n},常常将该框架转化为一个矩阵,即把a_1,a_2,…,a_n作为该矩阵的列向量.本文利用矩阵的互相关性,首先对序列空间中一般框架的框架界作了相关讨论.然后利用相同的方法又在周期向量空间中研究了平移框架的框架界.