WMSN图像节点低内存小波变换方法研究

基于Le Gall 5/3滤波器提出了一种逐行小波变换方法,处理器从图像节点SD卡逐行读出图像信息,完成多级变换后将变换结果行写入SD卡。该方法 SRAM内存需求低,且仅涉及定点整数乘法、加法及移位操作。应用所提方法对一幅256像素×256像素仔猪灰度图像进行小波变换实验,结果表明,该方法以合理的定点运算代价换取了3.968 KB的SRAM开销以及8.718 s的时间开销。为基于小波变换的WMSN节点图像压缩奠定了基础,使农业生产图像在低带宽WMSN上高效传输成为可能。     

基于分布式信源编码的果园视频压缩方法研究

分布式信源编码将编码端的复杂度转移至解码端,可有效解决果园无线视频传感器网络采集节点能量和计算能力受限的问题,但其实际性能还不够理想。为了进一步提高编码的率失真性能,针对果园视频时空相关性强的特点,提出一种基于块自适应的分布式视频编码架构,该架构根据视频内容的相关性选择编码方式,对于WZ帧块采用LDPC编码的方式并利用联合比特平面LDPC算法进行译码。以苹果和葡萄果园视频样本进行测试,结果表明,基于块自适应的分布式视频编码架构能充分利用视频的时空相关性,在相同的量化前提下,相比传统架构苹果和葡萄果园视频样本分别节约了6%~10%及9%~13%的码率。     

遥感影像的自适应小波精细积分降噪方法

针对遥感影像数据量大、应用精度较高的图像降噪变分法处理时计算效率较低的问题,基于quasi-Shannon小波构造了一种二维自适应小波插值算子,并和精细积分法相结合建立了求解二维偏微分方程自适应小波精细积分方法。利用小波变换的多尺度自适应性和精细积分方法的高精度有效提高了图像降噪变分法的求解效率,从而可实现较大遥感影像的降噪处理。     

基于小波模极大值的水果大小检测方法

提出了一种基于小波模极大值的水果检测方法,对采集到的图像进行滤波处理,利用自适应阈值法进行二值化处理,通过小波模极大值法提取水果的边缘图像,得到水果的边界信息,最终确定水果的横径值。试验中将测试结果与实际的果径值相比较发现,该方法具有较高的准确性,从而可以用以区分水果的等级。     

基于卷积神经网络与奇异值分解的水电机组故障诊断方法研究

提出了一种结合卷积神经网络,小波变换和奇异值分解理论的水电机组故障诊断方法。利用卷积神经网络提取机组轴心轨迹的图像特征;通过离散小波变换对摆度信号进行分解,获得信号的小波分解系数,对各分支系数进行重构,构造奇异值分解输入矩阵,提取矩阵奇异值作为特征向量。将两种方法提取的特征进行组合,构建包含图像特征和波形特征的混合特征向量,通过概率神经网络进行识别分类。为验证该方法的有效性,将水电机组常见故障在转子试验台上进行模拟,用上述方法进行诊断。结果表明,文中所提出的故障诊断方法能很好地识别水电机组不同运行状态,可为水电机组的故障诊断提供有效依据。     

多尺度SIFT特征匹配的足迹图像拼接方法

为了增强图像细节、提高匹配精度,提出了一种基于小波变换的多尺度SIFT特征匹配的足迹图像拼接方法.该方法对预处理的图像进行小波变换,把低频系数设为零,高频系数进行阈值调整并反变换后,再利用对于尺度具有鲁棒性的SIFT算法对处理后的图像进行特征点的提取与匹配.对于粗匹配产生的误匹配对,应用随机抽样一致性算法(RANSAC)进行筛选,并通过与原始图像的拼接作比较显示该方法的优越性.实验结果证明该方法使图像细节更为清晰,提高了匹配精度,而且较原始方法有一定程度的提高.     

复杂环境下森林火灾火焰局部纹理提取方法

为进一步提高野外火灾的识别率,提出三种森林火焰局部纹理提取算法:以16×16的像素邻域网格作为采样窗口,对Gabor滤波的不同尺度图像提取LBP局部纹理特征;对小波变换频率子图提取LBP局部纹理特征;对每一个16像素×16像素块提取灰度共生矩阵局部纹理特征,并将特征向量输入支持向量机(SVM)训练分类器,进行火灾火焰图像识别。试验结果显示,基于Gabor滤波和局部二值模式(LBP)的多尺度局部纹理特征提取算法的野外火灾火焰的识别率高达96%,因此,与基于小波变换和灰度共生矩阵分析的局部纹理特征提取的算法相比,该算法更为有效。     

一种基于小波阈值的图像去噪方法研究

在印刷品质量检测系统中，采集来的图像不可避免会出现噪声。针对这种情况，本文提出了基于小波阈值的图像去噪方法。该方法首先对噪声图像进行小波变换得到小波系数矩阵，硬阈值化后，对阈值化后的小波系数矩阵逆变换。得到去噪图像。实验结果表明，该方法比中值滤波具有更好的去噪效果。     

铝合金锻件超声信号的自适应小波压缩方法

针对铝合金锻件超声信号中含有晶粒散射引起的相干噪声,建立了相应的缺陷回波检测数学模型.提出了基于新的阈值函数Stein无偏估计自适应压缩方法.对离散小波变换各尺度上的小波系数用新的阈值函数进行估值后,进行了小波阈值最小均方误差意义上的迭代,并用小波系数估值进行离散小波反变换.以得到信号的估值,通过反复迭代,得到缺陷回波的最优压缩模型.对含缺陷铝合金锻件的超声信号处理实验的结果表明,与常用的固定阈值方法相比,在相同压缩比下,自适应压缩方法能更好地去除散射噪声及识别缺陷回波信号.     

基于Otsu阈值与形态学处理的车道线检测

为了提高车道线检测的识别能力和可靠性,提出了一种在对图像进行Hough变换前进行预处理的方法。该方法采用直方图均衡化、拉普拉斯滤波器图像增强,进而引用Otsu阈值分割处理转化为二值图像;再对该二值图像形态学处理消除物体边界点和微小结构像素,减少后期Hough变换的投票像素点;采用Canny算子对图像进行边缘检测以及Hough变换检测出车道线。     

基于提升小波和分形的苹果树多源图像融合算法

针对可见光图像与近红外图像特点，提出了一种基于提升小波和分形的多源图像融合方法。首先将已配准的多源图像分别进行提升小波分解，在各层的低频部分用分形维加权平均融合，高频部分用区域交叉信息熵和能量特性融合；再通过提升小波重构得到融合图像。利用苹果树可见光图像和近红外图像进行了实验，实验结果表明，融合后的图像符合视觉特性，综合性能优于传统小波变换融合方法，有利于对图像作进一步分析、理解和识别。     

基于多进制小波变换及多维纹理特征的遥感影像融合方法

探讨了基于多进制小波变换与多维纹理特征融合相结合的遥感影像融合方法。在融合过程中，首先对高分辨率全色影像和多光谱影像进行多进制小波分解，再联合提取局部方差、局部梯度、局部能量和局部信息熵4维纹理特征，将高分辨率影像的高频分量分别与多光谱影像的高频分量以多维纹理特征进行多判据联合方法融合，形成新的高频分量，然后与多光谱影像的低频分量进行多进制小波逆变换，最后经 RGB合成为彩色影像。试验选取淮南矿区SPOT 10 m与TM 30 m空间分辨率影像，从目视判读（定性评价）、地物光谱曲线分析、定量评价指标三方面对融合方法进行了评价。结果表明，该方法既保留了原影像的光谱信息，同时也改善了影像的清晰度和分辨率，利用融合后的影像进行矿区土地利用变化监测，效果明显提高。     

基于非抽样Shearlet变换的红外与可见光图像融合方法

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于非抽样Shearlet变换(NSST)的融合算法。首先对源图像进行多尺度、多方向NSST分解,得到低频子带系数和各带通方向子带系数;然后,在局部区域结构相似度的基础上,采用基于局部区域能量的方法选择融合图像的低频子带系数;基于脉冲耦合神经网络(PCNN)对带通方向子带空间频率(SF)的响应而得到的点火次数选择融合图像的带通方向子带系数,得到融合图像的NSST系数;最后经过非抽样Shearlet逆变换得到融合图像。实验结果表明:与其他5种相关的融合方法相比,该方法可获得具有更好视觉效果和更优量化指标的融合图像。     

小波变换与分水岭算法融合的番茄冠层叶片图像分割

在基于机器视觉的作物营养诊断研究中,通常需要采集叶片样本并在实验室条件下定量测定其营养素含量,但由于叶片间相互重叠,往往使得叶片样本不能清晰地反映在群体番茄冠层图像中。为了解决这一问题,需要利用图像分析技术有效提取作物冠层图像中的叶片,并根据处理结果采集实验室测定样本。本文从复杂背景剔除、梯度图计算、小波变换、标记选取、分水岭分割等环节出发,实现了基于小波变换与分水岭算法融合的番茄冠层多光谱图像叶片分割。首先对比了4种复杂背景剔除算法,发现当增强因子a=1.3时,基于归一化植被指数(Normalized difference vegetation index,NDVI)的阈值分割目标提取准确,适合各种光照条件,时空复杂度低。其次在梯度图计算方面,近红外(Near infrared,NIR)波段图像形态学梯度在保持目标边缘的同时,能消除大量由叶脉、光照等引起的叶片内纹理细节。然后以小波分析为基础进行标记选取,发现当选取db4小波函数、4层小波分解低频系数、阈值为18的H-maxima变换能得到最优的目标标记结果。最后对多光谱番茄冠层图像的小波变换分水岭分割和数学形态学分水岭分割结果进行叠加,发现对复杂背景及不同光照强度下的番茄冠层叶片平均误分率为21%,为基于多光谱图像分析的番茄叶片营养素含量检测提供了一定的技术支持。     

小波变换在农田图像边缘检测中的应用

为了给农业机器人田间行走提供准确导航方向线,以农田景物为研究对象,提出用紧支撑双正交小波变换检测图像中的边缘,并改进了传统的小波算法。运用此方法,在计算机上对图像做边缘提取的实验。实验结果表明,该方法能够得到连续、光滑、单像素宽边缘链图像。程序的单幅图像处理平均效率为0.12s,不仅证明了该算法能够达到实时检测、自主导航的要求,而且也表明这种边缘提取方法是有效和可行的。     

基于图像处理的小麦病害诊断算法

通过小波变换和纹理矩阵计算,强调了小麦病害部位.由自动阈值处理获得病害部位的二值图像;通过二值图像与原图像的匹配,计算出病害部位的颜色特征值;以待测病害图像与库存病害图像之间颜色特征值差值最小为原则,检索出库存病害图像.算法对小麦病害图像的诊断准确率达90%.