POLSAR图像杂波L分布建模及其参数估计

基于乘积模型的杂波统计建模是进行高分辨极化合成孔径雷达(POLSAR)图像非均匀区域杂波统计特性分析的有效方法,其核心在于纹理分量随机分布的类型选择.广义伽马分布(GΓD)是一种普适性很强的分布类型,Weibull分布、伽马分布、逆伽马分布等都是GΓD分布的特例,因此基于GΓD分布的图像乘性杂波建模既满足杂波建模的高精度要求,同时成为各种雷达杂波辨识的有效工具.本文首先推导了服从GΓD分布的随机变量的高阶矩特征及其对数累积量(MLC),利用纹理分量服从GΓD分布情形构建了乘积相干斑模型,得到了适用于POLSAR图像处理的L分布杂波多视处理的协方差矩阵的概率分布函数,同时推导了其高阶矩特征及其对数累积量,提出了基于对数累积量的L分布参数估计新方法.针对样本数较少的情况下对数累积量参数估计失效问题提出了基于混合矩(MME)的参数估计方法来解决.然后给出了不同分布的高阶矩和对数累积量,通过二三阶对数累积量关系图辨析了常用分布与L分布的内在关系,得到了L分布是目前乘积模型中适用范围较为广泛的统计分布的结论.最后用仿真数据验证了理论推导的正确性,并将基于对数累积量的参数估计方法与已有方法进行了比较,结果证明新参数估计方法具有更高的估计精度和运算效率;另外,还用实测数据进行了统计模型检验,其结果验证了理论推导的正确性.极化SAR中多视图像L分布杂波的统计建模及其参数估计方法为极化SAR目标检测和识别等领域的新技术研究提供了新手段.     

基于小波变换的X射线图像边缘检测方法

根据X射线图像本身的特点,利用小波分析将图像的边缘有效分离开来,用canny边缘检测算子提取图像边缘,实验证明它是一种检测X射线图像边缘的有效方法.     

Haar小波的离散化消噪方法及其应用

介绍一种Haar小波离散化消噪方法,并应用该方法进行信号和图像消噪处理.首先将信号或图像用该方法实现计算机的离散化抽样取点,然后结合小波阈值方对含噪信号或图像用Haar小波作消噪处理,并进行离散平滑,实现连续小波离散化处理.该方法对信号和图像的消噪处理的效果好,具有广泛应用的价值.     

核Foley-Sammon变换

在模式识别领域,基于Fisher判别准则的Foley-Sammon变换技术有很大的影响.但是线性判别并不总是最优的.文章提出了一种基于核技巧(Kernel tricks)的非线性的特征提取技术KFST(Foley-Sammon Transformwith Kernels)——通过引入核技巧,可以在特征空间中有效计算FST.特征空间中的线性特征提取对应于输入空间的非线性特征提取.试验表明,KFST比FST具有更好的特征提取能力.     

基于小波分析与卡尔曼滤波的网络流量估计和预测方法

将目标状态的小波变换系数向量描述为卡尔曼滤波方法的状态变量,进而建立了网络流量估计和预测模型,能够实现周期内的实时跟踪和动态多步预测.利用CERNET华中地区主干网的实测流量数据对该模型进行检验,所有检验周期网络流量预测值的相对误差均值为4.58%,表明网络流量估计和预测模型具有较强的适用性.     

利用Visual C++实现数字图像处理研究

在信息处理和信息传输中,为了提高处理和传输的效率并减少信息损失量,需要将大量信息进行压缩编码.数字图像处理中的变换域压缩编码技术是将图像信号以图像数据块为单位作二维变换,然后对各变换系数逐个地进行量化和编码,达到压缩信息的作用.离散余弦变换(DCT)在实数域中得到变换结果,并且有快速算法.本文通过Visual C 编程,对图像进行傅立叶变换(DFT)及离散余弦变换,通过分析比较原图像和经过变换后的图像,以及它们的直方图,比较DFT与DCT两种变换域分析方法和两种变换域分析法的特点.     

基于Hough变换的列车客运票图像倾斜校正

为解决列车客运票防伪和自动验票中的列车客运票图像倾斜校正的问题,提出了一种基于Hough变换的列车客运票图像倾斜校正方法.该方法根据现有倾角检测算法及列车客运票图像的特点,将列车客运票图像的前景与背景分离,在对图像前景进行水平轨迹线平滑的基础上提取文本行特征线,然后采用分级Hough变换的思想实现倾角的检测,最后用直线拟合的方法实现图像的校正.实验结果表明了所提出的算法的有效性和可靠性.     

小波降噪方法在电动机故障信号特征提取中的应用

针对油田电动机运行环境恶劣、结构复杂、故障信号中噪声干扰多的特点,采用基于小波变换的降噪方法对电动机故障信号进行特征提取,克服了传统滤波方法的缺陷,为提高电动机故障诊断的精度提供了一个有效工具。同时给出了一个应用实例。     

单样本条件下基于图像增强和Fourier频谱的人脸识别

目前有许多处理正面视觉人脸的识别方法,当有充分数量的有代表性的样本时,能取得较好的识别效果。然而当处理单样本识别问题时,现有的许多方法的识别率将明显下降或甚至不适用。为了加强单训练样本的分类信息,训练样本与其基于受扰动的奇异值的重构图组合成新样本,Fourier频谱作为人脸识别特征,在ORL人脸库上的实验结果表明了该方法的有效性。     

基于小波能量加权的医学图像融合新算法

目前的大多数基于小波变换的医学图像融合算法,由于没有细致考虑低频分量融合规则以及高频分量邻域特征对于融合效果的重要性,因而得到的融合效果有时并不理想.现提出一种小波域按邻域加窗能量加权的融合准则,该准则根据人体颅部18F-FDG和MRI-T1图像的特点,充分考虑到了低频分量和高频分量邻域特征,对原图像高、低频小波系数分别选用具有不同物理意义的窗矩阵进行邻域加窗能量计算,以归一化加窗能量为权值对各小波系数进行加权,得到融合小波系数,经过小波反变换重构出融合图像.实验证明,采用提出的融合算法得到的融合图像很好地包含了源图像的信息,该算法在医学图像融合应用中比传统的小波系数取大算法、加权平均算法及按邻域方差加权算法效果更好.