基于菌紫质膜联合子波变换的实时模式识别

菌紫质是一种结构和功能与高级动物视网的视生色素－－视紫红质极为相似的蛋白南，是一种优异的可逆光全息记录材料，子波变换是目标特征抽取和模式识别和有效方法。本文钭联合子波变换和菌紫质膜优异的光学全息记录特性结合起来，提出了一种全新的光学全息实时模式识别方案，给出了相应的实验结果。     

联合变换实现子波变换的理论分析

首次提出联合变换相关的概念,把Ｈａａｒ子波和Ｒｏｂｅｒｔｓ滤波器分别与目标图像一起作为联合图像,实现对目标图像的子波变换,提取出目标的角、边及边沿增强等特征,并设计了一套由计算机控制的光学联合子波变换系统,可实现对目标“真实”的光学子波变换,还给出了数值模拟结果。     

应用计算全息制作的子波匹配滤波器实现光学子波变换的研究

介绍了一种应用计算全息制作的子波匹配滤波器实现光学子波变换的新方法，应用计算全息制作Ｈａａｒ子波函数的匹配滤波器和光学Ｖａｎｄｅｒ Ｌｕｇｔ相关器实现了二维子波变换，给出了实验结果。这种方法可实现任意子波函数的光学子波变换，且简单易行。     

子波变换及其在污染云团红外光谱监测与识别中的应用

反应离散子波变换进行污染云团红外光谱信号分析及特征提取，离散子波变换具有时－频分析特性，能将信号的细微变化反映出来，对实时遥感获取的目标云团作离散子波变换分析的结果表明：离散子波变换可明显提高目标云团的特性，十分有利于光谱的识别。     

子波变换在光信息处理方面的应用

子波变换是光信息处理中的一个重要工具，与常用的傅里叶交换和Ｇａｂｏｒ变换相比，在分析瞬态信号方面有很多优点。此文详细介绍子波变换的基本原理以及如何用光学方法实现子波变换，揭示其在光信息处理方面的应用前景。     

基于子波变换的光谱信息数据压缩方法

本文介绍一种基于子波变换的光谱信息数据压缩方法，利用子波变换的多尺度分析原理，将原始光谱数据分解成集中源信号绝大部分能量的模糊信号和反映源信号变化特性的锐化信号。由于锐化信号只有源信号变化梯度大的区域系数值才较大，其他区域都接近零，只需保存少量的系数，就可以实现数据压缩，用本文方法，对２１种典型地物光谱数据进行了数据压缩实验，在１．０～１．７均方根误差情况下，若压缩结果不编码，压缩比一般为４：１～     

子波变换提取图像的边缘及角点信息

本文详细介绍Ｍｅｘｉｃａｎ－ｈａｔ子波变换的定义和基本特性，通过选取不同的子波函数，提取图像的边缘与角点信息。     

基于光学子波变换的SDF匹配滤波器

提出了一种基于光学子波变换的综合判别函数匹配滤波器(WFSDF),将光学子波变换和综合判别函数相结合,只用一个简单的4f系统就能实现输入图像和SDF子波变换的相关运算。采用计算全息的方法制作复数匹配滤波器。计算机模拟仿真结果表明,与传统的SDF匹配滤波器相比,WFSDF匹配滤波器,锐化了相关峰,提高了识别率,同时简化了光路,能够实现多目标的畸不变识别。     

用子波变换模拟视觉信息提取过程

利用逆变换研究了ＤＯＧ子波变换在提取输入信号时的特性，指出了尺度逐次变化的子波变换表现出的由粗到精的信息提取性质和局域特性与人类视觉系统对光学图像信息的提取过程的某些方面有相似性．本文认为ＤＯＧ于波变换将是研究人类视觉系统信息处理机制的重要工具．     

一种从辐射噪声中提取调制谱的方法

在水下航行器的辐射噪声中,螺旋桨节拍对航行器的宽带辐射噪声存在着明显的振幅调制,调制频率与航行器螺旋桨的转速有关。该特征可用于估计航行器的速度及目标分类与识别。本文利用子波变换原理,从实测的航行器辐射噪声中提取了它的调制谱,并据此对螺旋桨转速进行了估计,计算机仿真结果与实测的螺旋桨的转速具有良好的一致性。     

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.     

光学小波变换在视觉系统的应用研究

为了提高图像信息处理速度,利用光电混合实现的方法,将光学小波变换应用于视觉系统设计.依据4f相关器光学信息处理的原理,在频域内通过计算机编码,在电寻址空间光调制器上,构建不同类型的小波函数滤波器库,对目标的图像特征进行提取与辨识.研究结果表明,基于光学小波变换视觉系统正确可行.在图像特征提取中,以光波传递信息可以提高视觉信息处理的速度.     

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。     

结合小波域变换和空间域变换的图像增强方法

提出了一种结合了小波域和空间域处理方法的图像增强算法. 该算法首先对小波域中的高频系数进行修正,使图像具有更好的局部对比度和更丰富的细节,由于双树复小波变换（Dual-tree Complex Wavelet Transform,DT CWT）具有更好的方向选择性,在小波变换的过程中选用了这一方法;然后,通过空间域中的非线性变换,调整图像的整体对比度. 该算法可根据图像本身的特性实现参数的自动选择. 经过本文方法的处理所得的图像,无论在视觉效果上还是在统计上,都优于前人工作的结果.     

基于WT算法联合混沌理论的图像加密研究

图像加密作为信息加密领域的重要一支,其对于信息安全的重要性显得愈发重要,能够有效地对目标图像信息进行加解密逐步成为了人们的研究热点。为了提高图像加密的安全性,以混沌系统所具有的初值敏感性以及类似随机为基础,提出了采用“混沌变换”方法对图像进行置乱操作的算法,随后以此为基础结合小波理论设计一种图像加密算法。在图像的预处理阶段首先对图像采用小波变换得到四幅小波子图;随后基于混沌置换将四幅子图置乱处理;最后通过小波逆变换恢复出目标加密图像。通过数值仿真实验表明通过该方法解密获得的图像具有与原图像非常高的一致性,并且获得了较高的安全性。     

小波变换在CCD图像边缘检测中的应用

对于CCD图像的非稳定高斯噪声,传统的Fourier变换法无法消除噪声,而小波变换在时域和频域同时具有优良的局部化特征,而且对高频采用逐渐精细的时域或空城步长可以聚焦到分析对象的任意细节,从而克服了传统Fourier变换固定步长等缺点,因此,小波变换法可消除这种噪声.本文在分析CCD图像噪声的基础上,利用小波变换和直方图分割方法对目标图像进行了降噪和边缘检测.试验证明此法行之有效.     

ARM架构下计算机图像并行化处理技术研究

为在图像处理与分析时具备良好的视觉效果,提高图像处理的速度,需要对ARM架构下计算机图像并行化处理技术进行研究。当前采用的方法是对各种变换频域图像特征提取与计算机图像集合特征的提取进行相结合,克服了当前对图像进行提取时存在图像形状描述的缺陷,提取图像特征向量维数相对较低。实验表明,通过对图像进行特征提取能很好的对图像效果进行展示,将图像的纹理特征进行详细的表述,将该方法应用到图像处理技术当中,具有良好的去噪效果及扩展性,该方法过程简单,但存在图像视觉效果较差的问题。为此,提出一种ARM架构下计算机图像并行化处理技术研究方法。该方法首先利用非局部均值去噪算法对图像进行去噪处理,然后结合图像去噪的结果利用小波变换对去噪图像进行边缘检测,最后采用非线性增强算法对图像进行增强完成对ARM架构下计算机图像并行化处理技术研究。实验结果表明,所提方法不仅提高图像处理速度,还提高图像视觉效果,具有广泛的应用价值。