自傅里叶物体的自成像及高斯光束的空间自变换

根据傅里叶变换理论,首先详细论述了自傅里函数的自傅里叶变换性质和各种构造法则,其次讨论了自傅里叶物体的空间自成像特性,进一步从及高斯光束的空间自变换特性出发,解释了高斯光束在空间的传播机制.     

显微视觉自动聚焦的小波测度研究

离散小波变换(DWT)或连续小波变换(CWT)滤波后自相关运算均可对显微图像中的高频信息进行提取,依据高频能量的大小可以判断图像目标特征的离焦程度.基于上述原理,提出与小波变换相关的两类聚焦测度函数:基于DWT的聚焦函数、基于CWT滤波后自相关运算的聚焦函数.以MEMS器件微对准封装系统中的显微视觉单元作为实验平台,运用实验的方法确定小波基、小波因子以及小波系数的计算形式,得到可用于本显微视觉系统的两个基于小波的聚焦测度:Haar二级小波分解系数平方和函数;尺度因子为2-5的Mexican-Hat小波滤波后自相关平方积分函数.最后利用聚焦分辨率与函数计算时间两个参数对聚焦测度函数进行量化评估.与Brenner函数及平方梯度函数等聚焦效果较好的基于空域聚焦测度相比:DWT函数的聚焦分辨率为8.43,比Brenner函数高14%,其计算时间为0.61 s,比Brenner函数缩短52%;而CWT自相关函数在聚焦分辨率上比平方梯度函数低41%,但计算时间比平方梯度函数缩短36%.表明基于小波域的自动聚焦测度函数具有实用价值.     

小波变换在空间扩展目标精密跟踪中的应用

本文介绍了小波变换的特点及其在图象边缘提取中的意义，讨论了边缘提取中最有效的小波函数及方法，介绍了以飞机图象为目标在不同图象模糊程度及背景噪音情况下用小波变换进行目标形心坐标提取的计算机模拟情况，展示了小波变换在扩展目标跟踪技术中应用的前景。     

动态测量误差的希尔伯特-黄分解

针对傅立叶变换、小波变换等方法在分解动态测量误差时存在的不足,即选用不同的基函数会导致不同的分解结果,提出了基于希尔伯特-黄变换（HHT）的动态测量误差分解方法。该方法不需要选取基函数,可以自适应地分解动态测量误差信号;对一个混联式动态测量系统建立了全系统误差模型,并用该方法对测量系统的总误差信号进行了分解;与傅立叶变换、小波变换的分解结果相比,希尔伯特-黄变换的分解结果更准确,与测量系统的误差理论模型基本一致。     

基于小波分析的空间相关性风场模拟

根据标量过程AR模型生成空间相关性风场的思路,在文献[1,2]的基础上,进行了基于小波分析的空间相关性风场的模拟.在对风速时程做出合理的假定后,给出了由互不相关的随机过程生成具有给定相关特性随机过程的推导步骤.利用逆快速Fourier变换(IFFT)改进了通过Wiener-Khintchine公式由功率谱密度函数得到自相关函数的计算方法,使计算效率显著提高.对空间四点和大庆电视塔进行了空间相关性风场的模拟,通过统计参数与目标值的对比可以看出,本文方法具有较高的精度.     

基于小波神经网络辨识的PID神经MRAC研究

提出了一种基于小波神经网络辨识的PID神经网络模型参考自适应控制方法。该方法采用小波神经网络作为辨识器,PID神经网络作为控制器在线调节。由于小波变换具有良好的时频局部特性,神经网络具有强大的非线性映射能力,自学习、自适应等优势,采用规范正交的小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数的紧支性、波动性以及神经网络的非线性映射能力,自学习、自适应能力等优点,仿真结果表明用该方法构成的控制系统收敛速度快,逼近精度高,鲁棒性好,优于一般的BP网络控制。     

基于小波尺度函数的WSK-SV算法 及其气动性能预测

提出了一种将小波的尺度函数与SV(support vector)算法相结合的WSK-SV(wavelet scaling kernel-support vector)新算法,并将Daubechies小波以及Shannon小波的尺度函数分别构成尺度核函数,而且分别作为SV算法中一个可容许的支持向量核函数使用.该算法充分利用了Daubechies小波函数的紧支集与正交等特点以及小波的MRA(multi-resolution analysis,多分辨分析),并注意了尺度核函数能够满足Mercer条件.该算法除了具有通常SVM(support vector machine)所具有的优点外,还具有很好的收敛性以及泛化能力,能够有效地提高学习与预测效率.典型算例选取了不同的小波尺度函数,数值计算表明:在一维、二维和三维问题中,这些小波的尺度函数均可以用于WSK-SV算法,进而显示了这个新算法的可行性与通用性.      

基于静态小波变换的雷达信号特征点检测方法

提出了一种基于静态小波变换的特征点检测方法,该方法能够精确定位特征点的位置,并且对输入信号的平移不敏感。利用静态小波变换系数的梯度和幅值构造一个准则函数,初步确定候选特征点出现的位置,再根据小波模极大值随尺度变化的李氏指数规律确认特征点。仿真试验证明,该算法能够在多种噪声干扰下有效检测出特征点。     

小波域的自适应波束形成算法

在分析传统自适应波束形成的基础上,首次提出了一种小波域的自适应波束形成算法。与通常的自适应波束形成算法相比,该算法利用小波变换对小波空间进行了分解,信号经小波变换自相关性会下降,收敛速度提高,同时在此分解过程中,根据信号与白噪声在不同尺度上的小波变换模极大值表现完全不同的特性进行信号的消噪。理论分析和仿真结果表明了该算法收敛速度较快,且计算量增加较少,易于实时实现,而且具有较好性能。同时仿真实验表明该算法收敛速度与小波基和尺度的选择有关,尺度越大收敛速度越快;对于同一小波基系列,小波基的正则性越好收敛速度越快。     

基于可逆提升小波变换和上下文预测的SAR图像无损压缩算法

 结合可逆提升小波变换和上下文预测技术 ,提出基于可逆提升小波变换和上下文预测的合成孔径雷达 (SAR)图像的无损压缩算法。分析了基于提升小波的无损压缩算法和基于上下文预测编码的无损压缩算法的优缺点 ,联合两种体制 ,提出先用提升小波变换去除整幅图像的冗余 ,再用边缘保留预测器和子预测器联合技术进一步消除子带内系数间的空间冗余性 ,最后采用自适应上下文建模技术对残差进行分类自适应熵编码。除具有常规小波变换编码的优异性能外 ,该算法的压缩率优于即将推出的国际标准JPEG2000。     

红外图像特征提取的一种方法

小波变换是信号处理、图像处理的重要工具,已广泛应用于信号分析、数据压缩和边缘检测等各个领域。本文基于图像小波变换,提出了一种红外图像特征提取的一种方法。通过对红外图像进行小波分解,设置门限,将小波变换系数转换为二进制,然后将二进制小波系数再转换为十进制,这样既得到了红外图像的特征,又压缩了数据。通过大量的红外图像目标识别实验,证明本文提出的方法是有效的。     

基于提升小波和形态学的图像边缘检测算法

基于提升小波变换和形态学的基本理论,提出了一种提升小波和形态学相结合的图像边缘检测算法,算法充分利用了提升小波变换相对于传统小波变换快速而有效的完成小波分解和重构的算法优势。形态学运算在图像处理中具有独特的优势,利用其对图像膨胀和腐蚀的差运算来获取图像的边缘,取得了很好的效果。实验结果表明,算法边缘定位准确,抗噪能力强,检测出的图像边缘连续、平滑,是一种有效的边缘检测方法。     

基于方向可控金字塔的图像融合算法

为克服传统正交小波变换在进行图像融合时存在的不足,提出了一种基于方向可控金字塔的图像融合算法。首先对待融合图像进行方向可控金字塔分解,对分解后的低频分量采用平均和选择相结合的方法进行融合,对各方向的高频分量则使用像素绝对值选大的规则进行融合,最后对融合后的低频分量和高频分量进行方向可控金字塔重构得到融合图像。仿真试验表明算法能够得到质量较高的融合图像,同时,熵、平均梯度和空间频率等客观评价指标也较平均法和基于小波变换的图像融合算法有所提高,是一种有效的图像融合算法。     

一种基于盲同态解卷积的SAR成像自聚焦算法

针对大气扰动及飞行平台不稳引起机载合成孔径雷达(SAR)图像散焦的问题,提出了一种新的自聚焦算法来估算运动误差。该算法是基于运动误差函数及场景散射函数平滑特性的差异来进行估计的,利用复对数变换将图像的幅度与相位信息分离,进而分别对相位及幅度信息进行处理。运动误差通常为慢变函数,而场景的散射信息具有某种随机特性。因此,经过复对数变换后,运动误差及散射信息可以通过滤波器进行分离,将相位中的随机噪声去除,从而保留了慢变的运动误差函数。为了去除噪声信息,需要建立一个平滑滤波器,利用Daubechies小波的尺度函数构造Riesz基向量,从而建立了正交子空间,通过所建立信号子空间及噪声子空间组建平滑滤波器,最终可以获得准确的运动误差。在实验部分,分别利用仿真数据及实测数据对本文方法进行验证,最终结果分析表明该方法具有很高的估计精度及执行效率。     

基于小波奇异分析的流场计算方法及应用

首次将三维小波以及二维小波奇异性分析的思想引进三维以及二维复杂流场的数值计算,发展了一种高效率、高精度、高分辨率的方法.该算法的核心是获取流场中物理量在不同空间点的Hlder指数α,而该指数α的获取又依赖于小波变换以及高维(即二维或三维)小波分析技术.在三维与二维欧氏空间中,为进行小波多分辨分析,需要在尺度空间与小波空间分别引进尺度基与小波基.对二维问题,尺度基与小波基的基底要由1个尺度函数与3个小波函数组成,而三维时要由1个尺度函数和7个小波函数组成.借助于小波奇异分析所找到的流场中奇异点区域与光滑区域,便可分别选用高分辨率、高精度的WENO(weighted essential non-oscillatory)格式与高精度中心差分格式进行流场的离散求解.一系列二维(即,①二维前台阶问题的Euler流;②二维双马赫反射的Euler流; ③著名的二维Riemann问题;④跨声速RAE2822翼型二维绕流; ⑤跨声速VKI-LS 59二维涡轮叶栅绕流)与三维(即,⑥跨声速轴流压气机转子NASA(National Aeronautics and Space Administration) Rotor 37三维黏性绕流;⑦跨声速风扇转子NASA Rotor 67三维黏性绕流)算例表明:该方法的计算效率比传统的WENO格式有较大的提高,大部分典型算例能够提高3~5倍,而且可以获取复杂流场中高分辨率的激波结构以及涡系分布,可以得到与有关实验数据较为吻合的数值结果.      

一种局部自适应内窥镜图像降噪模型

在内窥镜图像处理中,如何消除图像中的噪声一直是个热点问题。由于图像二进小波变换在每次分解时不进行下抽样,所以其表示同小波级数相比是冗余的,且图像二进小波变换的部分系数扰动不会带来重构图像的严重失真。因此,在相同的误判概率下,二进小波变换的图像去噪效果会好于小波级数变换的图像去噪效果。基于这个思想,文章从二进小波理论入手,提出一种自适应二进小波去噪模型,简称ADWD。该方法利用图像信息、噪声信息与小波系数之间的关系,采用局部自适应的方法识别噪声像素,避免了直接确定噪声门限的困难。实验结果及分析表明该方法对Gaussian噪声和Pepper噪声均有较高的信噪比,且对图像的细节有较好的保持能力。     

小波变换内核的硬件实现技术

介绍了小波变换的概念以及在图像处理中的应用。以四级小波变换为例,针对FPGA芯片的特点,详细说明了小波变换的硬件实现所面临的问题及其对应的解决方案。最后分析了用FPGA芯片实现小波变换内核的优势。     

小波的尺度离散化与稳定性研究

在使用小波变换重构信号的应用中,为了计算处理方便及克服冗余性,常采用离散化处理。为确定均匀点格动态采样网络下的尺度采样间隔的取值及其与小波稳定性的关系,本文分别用Morlet小波和Marr小波对信号进行均匀离散小波变换。对于Morlet小波,其尺度采样间隔有一个取值区间,在这个区间内取值既能分析数字信号的最高频率及避免频谱混叠,又能保证小波的稳定性;而对于Marr小波,其尺度采样间隔的取值不能同时保证分析数字信号的最高频率和维持小波的稳定性,即稳定性与频率选择性是一对矛盾,但在二进抽取采样下选择适当的尺度伸缩因子可缓解这一矛盾。     

基于不可分离小波框架变换的图像融合技术

以不可分离小波框架变换为依托,对两个传感器在同一时刻获取的同一场景的图像进行融合。首先,对各原图像进行不可分离小波框架变换（NWF）;然后,根据变换后系数计算图像的对比度量测,融合处理为基于对比度量测的系数选取过程,并对选取后的系数进行一致性校验;最后,对组合后的系数进行NWF逆变换,得到融合后的图像。