基于小波变换的多尺度图像边缘处理

对小波变换后的图像边缘信号关于多尺度边缘检测、提取和重建方面进行了讨论,以利于进一步对图像进行有效的编码、识别和增强等处理;同时也讨论了将小波变换与多尺度边缘检测方法有机结合起来的一些实用技巧。     

用统计方法和Hough变换进行GPR目标检测与定位

本文所提出的GPR目标检测方法包含两个步骤.首先基于对GPR一维回波(A-Scan)统计特性的研究,应用加窗统计法从海量数据中实现快速高效的目标检测和感兴趣区域的提取;进而根据GPR二维回波图像(B-Scan)中目标回波的双曲线特征,对经过图像分割的ROI区域采用改进的Hough变换检测目标双曲线,去除虚假目标并实现目标的精确定位.对实测数据检测结果表明:此法水平和纵深向定位误差均小于1cm,输入数据信杂比可低至2dB左右.     

一种自适应整数小波变换方法

本文给出了一种自适应整数小波变换方法。构造整数小波变换的方法通常是由提升结构得到。本文也正是基于一种具有完全重构的自适应提升结构而得到自适应整数小波变换。G.Piella给出的自适应提升结构,由于它严格限制更新步骤中滤波器系数之和为1,使得不易于用它构造整数变换。为了得到整数变换,本文将它推广到更一般的情形。由这种自适应提升结构得到的自适应整数变换对图像中的边缘点和均匀区域有区别地对待,而且对整数信号进行变换没有舍入误差。这些性质在数字图像数据压缩中有重要应用。     

基于CDT的几乎同态问题探讨

范畴数据类型是基于范畴理论基础建立的，用于并行计算或框架结构设计中的并行操作。在链表上并行操作存在非同态问题。但有些功能可以转变为几乎同态来解决。文章对链表的几乎同态问题进行了深入的探讨，并得到了几乎同态定理，并通过事例在应用上加以论述。     

MicroBlaze嵌入式微处理器教学实验设计

嵌入式软核处理器技术越来越多地应用在综合课程设计或学生课外设计作品中.本文以AD7192模数转换芯片的控制为例,建设了在Xilinx公司的FPGA中进行MicroBlaze嵌入式微处理器设计的教学案例,包括MicroBlaze IP核配置、SDK软件编写和调试、综合编译及下载等流程,此教学案例可满足相关教学需求.     

快速精确分析套筒单极子天线的一种实用新方法

本文利用矩量法分析计算套筒天线.文中采用一种新的粗圆柱线天线快速精确计算模型,提出了所谓的"等长分段"方法,并使用了一种固定间隔电压源模型,大大提高了分析计算的精度;通过使用正弦插值基函数、引入Daubechies小波变换等,提高了分析计算的速度.最后,设计制作了一付工作在200-700MHz频段、VSWR≤3.0的实用套筒天线,其分析计算结果与实验结果相吻合.     

一种改进的基于经验模态分解的小波阈值滤波方法

经验模态分解是一种新的信号分解方法,该方法可将非线性非平稳信号分解成若干个单分量的本征模态函数,使得每个本征模态函数都具有一定的物理意义。本文探索了该方法在语音增强方面的应用.在文献[8]的基础上,对其方法进行了有效改进。首先将带噪语音进行经验模态分解,得到六个本征模态函数和一个余量信号,对这七个信号分别进行小波阈值滤波,并由滤波后的七个信号重构语音。结果表明,该方法的滤波效果明显优于对带噪语音直接采用小波阈值滤波的方法,并且较之文献[8]的滤波方法也具有一定的优势。     

基于DDS的高可靠性雷达信号发生器设计与实现

介绍了一种基于直接数字频率合成的高可靠性雷达信号发生器的设计方案,实现最高频率400 MHz的点频、线性调频和步进频率雷达信号输出。为提高系统可靠性设计加入了对系统工作状态进行监测和控制的闭环回路。测试结果表明系统输出信号频率稳定,可靠性高。     

基于优化ORB算法的遥感图像精确配准技术

对于遥感图像精准配准技术的问题,提出基于优化ORB算法的遥感图像精准配准技术。首先,实现特征匹配,通过改进ORB算法将特征点进行提取,并且实现描述符的创建及匹配,得到初始控制点;然后,使用随机采样一致性方法和变换参数估计相结合,将可能错误的匹配进行剔除;最后,通过最小二乘法对变换参数进行估计,实现图像的几何纠正。对算法配准技术进行实验,实验结果表明此方法得到的配准精度较高,能够进一步提高配准效率。     

基于图像边缘信息的多小波阈值去噪方法

基于小波变换的图像去噪方法是小波应用较成功的一个方面,阈值大小的确定是该方法最终去噪效果好坏的一个决定性因素.基于图像边缘信息的多小波闽值去噪方法充分研究了信号与噪声在小波变换各分解层上的不同传播特性,在保留代表边缘信息的小波系数的基础上,对不同方向、不同分解层的小波系数分别选取最佳阈值处理.与Donoho等人提出的Visu shrink去噪方法相比,此方法提高了去噪后图像的峰值信噪比(PSNR),使图像更加清晰,去噪效果更好.