基于连续小波变换的神经网络人脸识别研究

研究了基于连续小波变换的神经网络进行人脸识别的方法.介绍了小波分析的理论基础，详细讨论了根据小波变换系数的范数选取小波母函数的方法，根据小波脊线确定网络神经元个数的方法以及神经网络的初始化和参数训练方法.通过对人脸图像灰度的连续小波分析，神经网络的自组织自学习能力，调整连接权值和小波神经元的尺度、位移参数，完成人脸识别的任务.实验结果验证了该神经网络的识别性能明显优于用特征脸方法对相同人脸库进行的识别.     

光学可分离小波变换的研究

为改进光学小波变换,提出了光学可分离小波变换的概念。通过对光学小波变换的必要条件进行分析,采用层叠算法和二维可分离小波变换构造方法计算出了尺度和小波函数的二维离散近似序列。将新的母小波引入到光学小波变换中,获得了光学可分离小波变换。通过与现有光学小波变换及二维可分离离散小波变换进行比较说明了其优点。     

基于小波变换的紫外光信号降噪处理

介绍了小波变换的基本理论以及利用小波变换进行信号处理的方法和步骤.选择db8小波对紫外光信号进行小波阈值降噪处理.实验结果表明采用小波阈值降噪法能够有效地抑制信号中的噪声,信噪比提高了8.519 2 dB.     

基于匹配度和多小波变换的图像融合

介绍了多小波变换的理论基础。多小波变换具有正交性、光滑性、对称性、有限支撑域等性质,因而非常适合用于图像处理。给出了多小波域的图像匹配度的定义,提出了一种基于匹配度和多小波变换的图像融合算法。该算法可以实现不同传感器图像的有效、可靠的融合。使用该算法对可见光图像和红外图像进行了融合实验,并对融合结果进行了评价和分析。     

光学小波变换

首先讨论了常规傅里叶变换的缺点,导入短时傅里叶变换及小波变换,分析了小波变换的特点和实现小波变换的光学方案,在空域和频域中详细分析了利用高斯－哈尔小波变换进行边缘探测的特征,介绍了小波变换图形识别的结果。     

半导体激光器低频噪声的Lyapunov指数计算和混沌状态判定

根据小波变换和混沌噪声理论,对半导体激光器低频噪声进行了实验和理论分析.应用相轨迹、功率谱、Lyapunov指数、关联维等方法,探讨了噪声混沌模型的可行性.实验证明半导体激光器低频噪声具有混沌特性.在理论上分析了产生混沌的原因,为研究其可靠性提供了理论基础. 关键词： 混沌 Lyapunov指数 小波变换 低频噪声     

基于主成分变换的图像稀疏度估计方法

压缩感知理论基于信号的稀疏性和可压缩性, 突破传统Nyquist采样频率的限制, 以较低的数据量对信号进行采样和高概率重构. 在压缩感知理论中, 信号的稀疏度确定了稀疏采样的最低数据量, 是验证采样方法及重构方法优劣的重要参数. 在实际研究过程中, 图像稀疏度通常未知, 这就可能导致过采样或欠采样的情况, 从而无法验证采样方法及重构方法的优劣. 因此, 快速而客观地估计图像的稀疏度对于压缩感知理论研究来说意义重大. 本文分析了基于小波变换的图像稀疏化表示方法, 通过遍历采样和重构得到基于小波变换方法的图像稀疏度, 但过程复杂, 而且结果的准确性依赖于小波基和变换尺度的选择. 本文通过压缩感知理论对主成分变换进行阐述, 在基于主成分变换系数近似为正态函数的假设下, 建立了图像稀疏度与系数函数方差间的线性关系, 并通过多组图像数据进行仿真验证, 结果表明线性关系的正确性. 通过分析和仿真可以看出, 基于主成分变换的稀疏度估计方法比小波变换简单、快速、客观, 对压缩感知理论研究有重要的应用价值. 关键词： 压缩感知 稀疏度 小波变换 主成分变换     

光学小波匹配滤波器与图形识别

小波变换弥补了傅里叶变换的不足，在信号及图像处理方面具有广阔的应用前景。文章深入讨论了小波变换匹配滤波器的理论基础及光学实现方法，并将其用于图形识别，给出了计算机模拟结果，与传统的匹配滤波器进行了比较，证实了小波变换在光学信息处理中的优越性。     

基于证据理论的小波萎缩图像去噪

提出了一种基于D-S证据理论的小波萎缩图像去噪方法。对含噪图像进行离散平稳小波变换后,运用Bayes方法分得各层高频子带的小波萎缩系数,根据小波萎缩系数的空间及层间相关性,利用D-S证据理论的合成法则对初始小波萎缩系数进行融合修正。实验结果表明,该方法在有效地去除图像中的噪声的同时,还能较好地保留图像的边缘信息。算法在性能指标和视觉质量上均优于Donoho的小波软阈值去噪方法、传统的中值滤波法和Winner滤波法。     

基于小波域扩散滤波的弱小目标检测

分析了基于小波变换进行弱小目标检测的基本思想,利用小波变换的多尺度多分辨率特性,结合小波变换系数的方向特性和扩散滤波扩散方向的可选择性,提出了基于小波域扩散滤波的弱小目标检测算法。采用该算法对不同尺度、不同方向的小波系数分别进行扩散滤波,取得了较好的效果。仿真试验结果表明：该算法能在Gaussian噪声背景和不均匀背景下实现对对比度为2%的微弱目标的检测。     

小波变换在近红外光谱分析中的应用进展

小波变换(WT)具有很好的时频分离特征,信息处理能力强,已广泛用于分析化学领域;本文就小波变换在近红外光谱领域的应用进行简述。小波变换用于近红外预处理,提取有用信息,消除背景干扰,可以提高近红外的分析精度和模型稳健性;用于数据压缩可以减少数据库存储空间,提高建模速度;小波系数用于模型传递,具有传递速度快,稳健性强,所需标样少等特点;小波变换可以与神经网络、遗传算法等结合,在近红外分析领域呈现出良好的发展前景。     

Collins formula interpreted as wavelet transform

Based on the manipulation of input and output complex amplitude definitions of a light field in space domain, one direct relation between the Collins formula and the wavelet transform has been derived, namely, the Collins formula has been interpreted as a generalization of the wavelet transform. Then some elementary optical systems’ behavior has been described according to this derivation for example. This observation would be useful in various optical applications by virtue of wavelet transform's character.     

Wavelet transform implementation by layers

I.IntroductionWavelettheoryanditsapplicationhavebeendevelopedquicklyformallyyears,whichcoverquitealargeareaandprovideverygeneraltechniquesthatcanbeaPpliedtomanytasksinsignalprocessing,andhavenumerouspotelltialapplications.lnacousticresearchthereisatra-ditionofthefrequencyanalysisintermsofoctave,whichfitstheconceptof"constantQ"inwavelettransform,e.g.thepowerspectrumofmusicismeasuredintermsof1/3octave.Sofartheimplemelltationofwavelettransformha-sbeendevelopedonlyforoneoctave,e.g.themultiresolut…     

光学小波包变换及其滤波器的研究

基于对光学小波变换必要条件的分析，提出光学小波包变换的概念.选出虹膜图库的联合最优小波包基，利用最优基的线性组合生成相应的复合光学小波包滤波器.将滤波器用于光电混合虹膜识别系统中对待识别输入进行小波包特征提取预处理，模拟结果不仅证明引入该滤波器可明显提升系统的识别效果，也证明了光学小波包变换提出的意义.     

近红外光谱预处理中几种小波消噪方法的分析

以菜籽油的一阶导数近红外光谱为研究对象,探讨小波变换在近红外光谱信号消噪方面的应用,分别采用九点平滑法、小波分解与重构法、非线性小波软阈值法和小波变换模极大值法对导数光谱进行消噪处理并对消噪效果进行比较分析。结果表明,小波变换模极大值光谱消噪法得到了较高的信噪比,小波软阈值法次之,其余两种方法消噪效果较差。小波变换模极大值法有效的保留了光谱的有用信息,为近红外光谱的分析精度和模型的稳健性奠定了良好的基础。     

小波变换应用于谐波谱线的噪声滤除与基线校正

红外光谱谐波检测系统中的噪声与基线漂移问题一直是光谱处理的热点,提出一种采用小波变换的Mallet分解算法, 解决谐波检测中各种复杂噪声以及基线漂移的问题。选取适当小波函数及分解层次将谐波曲线中含有的噪声和基线漂移与有用信号分解到不同频带;分析频带信息,设定一个检测信息频带, 应用阈值处理及系数置零的方法使频率处于此频带的信息保留下来。小波变换方法可以在一次分解与重构过程中同时去除谐波信号的噪声与基线的双重干扰,从而将谐波信号有效地测量出来。实验证明,应用小波变换进行谐波校正的方法可应用于不同的谐波检测系统,具有普遍适用性。     

Calculation of instantaneous radiation characteristics using the wavelet transform

To overcome the disadvantage of short time Fourier transform, the wavelet transform, which is very promising for analyzing non-stationary signals, was introduced by J. Morlet. In this paper, a new numerical calculation method for estimating the instantaneous radiation pattern by using the harmonic wavelet transform for a rectangular vibrating plate is presented.     

Generalized wavelet transform based on the convolution operator in the linear canonical transform domain

The wavelet transform (WT) and linear canonical transform (LCT) have been shown to be powerful tool for optics and signal processing. In this paper, firstly, we introduce a novel time-frequency transformation tool coined the generalized wavelet transform (GWT), based on the idea of the LCT and WT. Then, we derive some fundamental results of this transform, including its basis properties, inner product theorem and convolution theorem, inverse formula and admissibility condition. Further, we also discuss the time-fractional-frequency resolution of the GWT. The GWT is capable of representing signals in the time-fractional-frequency plane. Last, some potential applications of the GWT are also presented to show the advantage of the theory. The GWT can circumvent the limitations of the WT and the LCT.     

基于小波变换的卡尔曼滤波法在ICP-AES中的应用

在ICP－AES中，卡尔曼滤波是一种有效的光谱干扰校正方法，它在强背景、谱线重叠严重的情况下，仍可得到很好的分析结果；并且有比传统分析线法在纯组分试样条件下更低的检出限。然而，噪声的存在影响了卡尔曼滤波的准确度。小波变换因其多分辨分析的特性，近年来被用于分析信号的去噪，而且该方法简单、快速，是一种很有效的去噪方法。本文首先用仿真数据研究了噪声对卡尔曼滤波法的影响；其次，将小波变换引入卡尔曼滤波法，提出了基于小波变换的卡尔曼滤波法，仿真实验结果表明，该方法能有效提高卡尔曼滤波法的分析准确度。     

基于多尺度Radon变换的图像检索

根据Radon变换的统计特性构造了不变量,提出一种新的基于多尺度Radon变换的图像形状检索方法.对检索图像作小波变换,根据小波模极大原理得到边缘图像,对边缘图像构造Radon变换中心矩,在中心矩的基础上根据Radon的统计原理构造出尺度不变矩.由于矩阵的奇异值具有旋转不变性,因此针对不变矩向量矩阵求奇异值,该奇异值特征向量具有平移、尺度和旋转不变性.将该Radon变换的不变量作为形状特征,并进行高斯归一化,按照欧氏距离计算不同图像间的形状相似度.试验结果表明,该方法对高斯噪音具有较强的鲁棒性,与其它方法相比具有较好的检索效果.