傅里叶-梅林变换(FMT)在畸变-不变图像识别中的应用

针对尺度缩放和角度旋转变化目标相关识别率低的问题,在联合相关识别中加入傅里叶-梅林变换方法.采用傅里叶-梅林变换(FMT)中的对数极坐标变换、梅林变换、傅里叶变换具有的旋转、尺度、平移(RST)不变性,可以提高JTC图像识别的性能,实现畸变-不变图像的识别.利用联合变换相关器对角度旋转0°～40°、尺度变化0～20%的目标进行计算机仿真实验.实验结果表明:在JTC中采用FMT可以实现畸变-不变图像的识别.     

利用小波变换和神经网络对罕见病DMD的MRI进行分类识别

杜兴氏肌营养不良(DMD)是一种严重的儿童腿部神经肌肉罕见病。传统的诊断和检测方案一般为有创手段,会带给患儿极大的痛苦。基于受试者的磁共振图像(MRI),采用计算机辅助检测手段探索了有效的无创检测方法。实验分别选用sym4和db4两种小波基函数,对患儿组和健康对照组的MRI进行三种尺度的小波分解,从所得的分解图像中提取12个纹理特征参数,并利用人工神经网络(ANN)算法对图像参数进行分类识别。结果显示:在受试者的两类MRI加权图像(T1和T2)中,T1图像能更好地区分患儿与健康儿童;利用db4函数对图像进行小波分解,其效果略优于sym4函数,且在三种小波分解尺度中,以二层分解最优;利用ANN算法对图像进行分类识别,其灵敏度、特异度和准确率分别高达98.5%、97.3%和97.9%。该处理方法有望为临床提供客观有效的辅助诊断手段,可作为DMD疾病无创检测的尝试探索。     

Karhunen Loeve变换用于光学相关识别旋转目标研究

提出利用Karhunen Loeve变换（K-L变换）识别旋转畸变目标的方法.利用K-L变换法对不同旋转目标进行处理得到不同特征值,取前两个最大的特征值所对应的特征向量分别进行滤波器编码,把得到的匹配滤波器分别加载到VLC相关器上进行光路识别.针对两个滤波器产生的相关峰值曲线波动性较大的缺点,采用线性叠加法进行改进.实验结果表明,该方法使峰值的波动性得到降低.     

一种自适应的Gabor图像特征抽取和权重选择的人脸识别方法

 为了克服光照、表情变化等因素对人脸识别的影响,本文提出了一种自适应的Gabor图像特征抽取和权重选择的人脸识别方法.该方法首先把每幅人脸图像经过Gabor小波变换后得到的40个不同尺度和方向下的图像都看作是独立的样本,再把不同人脸中的同一尺度和方向的变换结果进行特征重组,得到40个独立地新特征矩阵.为了增强对光照、表情变化的鲁棒性,每一新特征矩阵的识别贡献被本文所提出的自适应权重方法计算得到.其次,对每一新特征矩阵采用离散余弦变化进行降维,并采用了鉴别力量分析方法来选取最有鉴别力的离散余弦变换系数作为特征向量.最后,抽取线性鉴别分析特征进行识别.大量的实验证明了本文所提方法的有效性.     

当归及不同炮制品多糖傅里叶变换红外光谱识别

建立了一种傅里叶变换红外光谱(Fourier transform infrared spectroscopy,FTIR)快速无损鉴别当归及其不同炮制品多糖的新方法。生当归(unprocessed Angelica sinensis,UAS)经炮制为酒当归(angelica sinensis parched with wine,WAS)、土当归(angelica sinensis parched with soil,SAS)、油当归(angelica sinensis parched with oil,OAS)和当归炭(charred angelica sinensis,CAS),为了有效、合理地使用当归及其不同炮制品多糖,对其进行鉴别分析很有必要。首先获取当归及其不同炮制品多糖的FTIR,运用离散小波变换方法(discrete Wavelet transform,DWT)对其进行分解,然后选取2,3,4尺度下的高频信息作为特征信息,分别提取其小波熵作为特征值,采用BP神经网络进行训练,再用训练所得模型对当归及其不同炮制品多糖的FTIR小波提取出的特征值进行智能判别。通过对30个样本进行预测,判别率高达93.3%,说明基于FTIR离散小波特征提取及BP神经网络分类法识别当归及其不同炮制品多糖,具有较优的可行性。     

尺度不变特征与几何特征融合的人耳识别方法

要提高人耳的识别率,关键是特征的提取与表达.尺度不变特征变换(SIFT)技术是局部点特征提取算法,在尺度空间寻找极值点,提取对图像的尺度和旋转变化具有不变性,对光照变化和图像变形具有较强的适应性的特征向量.尝试用SIFT技术来提取外耳图像的结构特征点以形成稳定的特征描述子,为了克服一幅图像中有多个局部描述子相似的问题,在SIFT特征描述子中融入一个耳廓几何特征.最后采用特征向量的欧氏距离作为两幅图像相似性度量标准进行人耳识别.在耳图像库七进行实验.结果表明,该方法不仅可以有效地提取人耳特征,通过少量特征可获得较高的识别率,而且对耳图像刚体变化具有较强的稳健性.     

用双透镜Joint变换实现多特征识别

本文分析了多特征函数与函数阵列Joint变换的相关特性,提出用双透镜Joint变换实现多特征识别,并应用于变尺度.变方位特征识别.实验结果表明:分析是正确的,方法是可行的.     

基于双尺度相关运算的拉曼谱峰识别方法

拉曼谱峰识别是拉曼定性分析中的关键技术之一, 针对现有拉曼谱峰识别方法中存在的缺陷和不足提出了一种双尺度相关拉曼光谱谱峰识别方法,即采用两个尺度下的相关系数与局部信噪比相结合来实现拉曼谱峰识别。利用MATLAB对所提算法与传统的连续小波变换法进行了对比分析,并通过实测拉曼光谱进行验证。分析结果：双尺度相关法识别一幅拉曼谱的平均时间为0.51 s,连续小波变换法为0.71 s;当谱峰信噪比≥6时(现代拉曼光谱仪器均可达到较高的信噪比),双尺度相关法的谱峰识别准确率高于99%,连续小波变换法的谱峰识别准确率小于84%,且双尺度相关法谱峰位置识别误差的均值与标准差均要小于连续小波变换法。通过仿真对比分析和实验验证表明：双尺度相关法具有无需人工干预,无需做去噪及去背景等预处理操作,识别速度快,识别准确率高等特点,是一种切实可行的拉曼谱峰识别方法。     

基于改进的加速鲁棒特征的目标识别

为了提高加速鲁棒特征(SURF)算法的实时性和准确性,本文提出了一种结合AGAST角点检测和改进的SURF特征描绘算法。首先利用AGAST角点检测模板检测特征点,再使用增加对角信息的哈尔小波响应来生成特征点的描述子,之后利用特征袋对产生的描述子进行编码并生成新的特征向量,最后利用支持向量机(SVM)对特征向量进行分类,完成识别。本文以SIFT和SURF算法为对照,分别进行不同视角、光照和尺度的识别实验。实验结果表明,本文算法的平均识别率为98.0%、96.9%、97.1%,平均时间分别为66.1 ms、79.3 ms、41.0 ms,在识别率上较优于SURF算法,所耗时间约是SURF算法的1/3。     

基于HHT变换的起动电动机特征信号时频分析

针对车辆起动电动机电气和机械故障发生时特征信号的时变不平稳特性,进行了时频域分析处理,提出了利用现代信号处理方法对故障信号提取特征向量的方法,主要对起动电动机的电枢和轴承故障进行诊断。在构建电机故障测试实验平台的基础上,利用破坏性实验构造了故障类型,测取了电枢电流和振动信号,分别采用小波分析理论和HHT变换对信号进行分析,通过分解再重构的方式将信号分解成了频率由高到低的不同分量,并获得了故障的特征频率,提取了特征向量。实验结果表明,基于HHT变换的现代信号处理方法在处理时变非平稳信号方面比小波分析理论更具有自适应性,更易识别。     

基于连续小波变换FTIR鉴定青葙子及鸡冠子的研究

借助OMNI采样器,应用傅里叶变换红外光谱方法直接、快速、准确地测定青葙子及其伪品鸡冠子的红外光谱。利用连续小波变换对真伪品的红外光谱进行放大处理,以有效突出真伪品间的红外光谱差异程度,从而提高鉴定正确率。采用对信号奇异性具有良好探测能力的Morlet小波做小波母函数,对青葙子真伪品的红外光谱进行若干尺度的一维连续小波变换,在各个尺度下观察青葙子的真伪品的红外光谱的差异程度,从中选择一个差异程度最为明显的尺度来区分青葙子真伪品。结果表明：基于连续小波变换的傅里叶红外光谱分析方法能够有效鉴别同科同属不同种植物中药材。     

基于离散平稳小波变换的红外图像去噪

提出了一种基于离散平稳小波变换的红外图像去噪方法。在预先不知道噪声方差的前提下,只利用红外图像的输入数据就可以确定所要求的渐近最优阈值。对红外图像进行离散平稳小波变换后,分别对各个分解层的高频子带利用所提出的方法进行迭代去噪,使各个高频子带分别收敛于其最大信噪比。实验结果表明,所提出的方法在有效的去除红外图像噪声的同时,又能较好的保持红外图像的细节部分信息。算法在性能指标和视觉质量上均优于基于离散正交小波变换的阈值去噪方法和传统的中值滤波法。     

基于小波变换的红外光谱分析

利用傅里叶变换红外光谱仪,借助OMNI采样器直接、快速、准确地测定了土茯苓及其三种伪品木质部的FTIR谱,采用小波变换分析法对样品进行了详细研究。结果表明：小波变换可以去除噪声和压缩变量,具有运算速度快、分析精度高以及无需去噪后处理等优点, 在红外光谱分析中具有很好的应用前景。     

污染气体红外光谱特征的快速提取与识别

利用小波变换的多尺度分析对污染气体红外光谱数据进行处理,并使用神经网络对红外光谱数据进行分类识别。实验结果表明：小波变换与神经网络的有机结合,有利于污染气体红外光谱的快速特征提取和识别, 并具有较高的识别率,是一个有效的识别系统。     

基于小波变换的水果糖度近红外光谱检测研究

利用小波变换滤波技术对90个水果样品的近红外光谱信号进行了去噪处理,并结合滤波后重构光谱信号对水果糖度进行逐步线性回归(SMLR)建立其校正模型,通过34个样品的外部检验对校正模型精度进行评价。研究结果表明: 校正模型的预测精度在小波尺度为3时其预测精度最好,预测集的决定系数由原来的0.84提高到0.85, 预测集相对标准误差由原来的6.1% 降为6.0%。因此,使用小波去噪方法有消除原始光谱噪声作用,从而使最终的SMLR模型更具有代表性和稳健性,也提高了品质检测时模型预测精度。     

基于小波变换的木材近红外光谱去噪研究

木材近红外光谱常常被一系列噪声所污染,影响光谱分析结果。为了提高近红外光谱分析精度,需要对光谱数据进行预处理。光谱导数可以消除光谱背景干扰和基线漂移等因素影响,提高光谱分辨率,但导数光谱在增强信号的同时,也使信号噪声得到增强。应用小波变换对杉木木材近红外一阶导数光谱进行去噪研究,分别采用9点平滑法、25点平滑法、非线性小波硬阈值和软阈值法、9点平滑+小波变换法和25点平滑+小波变换法对光谱数据进行去噪研究。结果显示, 小波变换能够有效去除导数光谱中的噪声信号,保留光谱中的有效信息,提高光谱信噪比,提高光谱的分析能力,在木材近红外光谱分析中具有很好的应用前景。     

Quantitative Analysis of Near-Infrared Spectroscopy by Combined Stationary Wavelet Transform–Support Vector Machine

Data preprocessing and multivariate regression methods are two key factors influencing the model prediction ability of near-infrared (NIR) spectroscopy. The present paper evaluated the application of the combined stationary wavelet transform–support vector machine method for developing juice NIR models. The performance of this method has been compared with other methods, such as stand normal variate–partial least squares, stationary wavelet transform–partial least squares, and stand normal variate–stationary wavelet transform methods. The result showed that compared with other methods, the stationary wavelet transform–support vector machine method can provide good quantitative analysis on saccharose concentration in juice.     

运用小波变换对遥感FTIR光谱进行信息提取

主要描述了如何利用小波变换技术,对一些强度较弱和混叠干扰的遥感FTIR光谱图进行信息提取。采用了墨西哥帽函数(Mexican hat function)小波,对三氯甲烷、丙酮的标准谱图及其两者混合物的遥感谱图信号进行了连续小波变换。结果发现,尺度越小,小波系数模的极大值点与突变点位置的对应就越准确。但小尺度下,小波系数由于受噪声影响,往往只凭一个尺度不能定位突变点的位置。相反,在大尺度下,对噪声进行了一定的平滑,极值点相对稳定,但由于平滑又会使定位产生偏差。因此,在用小波变换模极大值法判断信号突变点时,需要把多尺度结合起来综合观察。总之,小波分析技术能够较准确地、稳定地定位信号突变点,提取信息,并且具有平滑和放大有用信号的作用。对于非严重重叠的混合遥感光谱,根据对不同尺度下的小波变换系数的模极大值及其定位的分析,也可较好地识别谱图。     

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。     

基于多尺度总体最小二乘的图像去噪

提出了一种基于多尺度总体最小二乘的图像去噪算法.采用平稳小波变换对噪音图像进行分解,分别对各个分解层的高频子带,通过总体最小二乘算法估计信号小波系数|并且考虑到不同尺度小波系数之间的相关性,将尺度相关性约束到总体最小二乘算法中,进而准确估计各高频子带信号小波系数,再由估计的信号小波系数通过小波逆变换得到去噪图像.实验结果表明,考虑尺度间相关性的总体最小二乘平稳小波变换图像去噪算法能有效去除图像噪音,在信噪比和视觉质量上有了较大改善.