基于小波变换的遥感影像纹理信息提取

小波变换作为一种时间-频率分析方法,具有变焦性、对称性、正则性等特点,而纹理反映的是遥感影像中DN值的空间排列规律,利用小波提取遥感影像中的纹理特征信息,具有独特的优势.特别是结合金字塔状结构的小波变换和树状结构的小波包变换,提取的纹理特征信息在地质上具有重要应用价值.该研究以漠河县西北部砂宝斯的遥感影像为例,结合影像特点及应用目的,运用小波变换方法,提取了具有方向性的遥感纹理信息.     

基于Curvelet的纹理方向自适应图像插值

为提高纹理复杂图像的插值放大质量,提出一种纹理方向自适应的图像插值算法。首先利用Curvelet变换提取图像的4个方向因子矩阵,然后对不同类插值点选择相应的2个方向因子构造权重系数进行线性插值,从而自适应地重建各类待插值点。分析比较了本文与现有插值算法对平滑与纹理复杂区域的插值重建质量。实验结果表明,本文算法能有效抑制传统插值方法重建图像时出现的边缘模糊和锯齿现象,重构的图像效果优于传统方法,纹理丰富图像的重构质量可提高2dB以上。     

基于连续小波变换的土壤有机质含量高光谱反演

以托克托县境内120个土壤有机质含量以及对应光谱数据为数据源,探究了不同土壤类型与土地利用类型下土壤有机质高光谱反演研究的可行性,采用连续小波变换对原始光谱（R）、光谱倒数（1/R）、光谱对数（LnR）、光谱一阶微分（R′）进行分解生成小波系数并与土壤有机质进行相关系分析,提取特征波段建立BP神经网络与支持向量机模型（SVM）。结果表明：①R、1/R、LnR、R′与土壤有机质相关系数经过连续小波变换后,较之前增加了0.204、0.090、0.199、0.252,表明连续小波变换可深度挖掘光谱潜在信息,提升与有机质含量之间的相关系数。②未经过连续小波处理前,SVM无法实现对当地土壤有机质含量的预测,经过处理后,模型SVM-CWT-R与SVM-CWT-R′的精度决定系数分别达到了050、0.56,均方根误差为0.17、0.15,相对分析误差为1.62、1.53,实现了对土壤有机质的有效估算。③经过连续小波变换后BP神经网络预测模型结果得到提升,其中BP-CWT-LnR预测模型效果最佳,精度决定系数达到0.76,较之前BP-LnR提升了0.2;均方根误差达到015,降低0.04;相对分析误差为2.12,增加了0.87。因此利用BP-CWT-LnR高光谱反演模型进行区域土壤有机质遥感监测,可为当今精准农业提供理论参考与技术支持。     

基于9/7小波变换的木材纹理频域特征研究

通过利用实数9/7小波变换,对木材纹理进行多尺度分解,利用特征参数分析了木材纹理频率分布特征,比较了针叶材与阔叶材、径向与弦向切面的木材纹理的差异。实验结果表明,利用实数9/7小波变换,分析各子图像能量值的标准差,筛选出木材纹理最佳分解尺度为3,同时还发现小波能量分布比例和EHL/ELH值可作为木材纹理方向性参数。     

基于连续小波变换的蒺藜植被覆盖度预测

植被覆盖度是评价土地是否荒漠化最有效的指标之一,也是植被监测的重要指标。通过高光谱估算植被覆盖度,可以为植被监测提供重要依据。以半干旱区托克托县的固沙植被蒺藜（Tribulus terrestris L.）为研究对象,分析了不同植被覆盖度光谱曲线特征的变化情况;提取两波段原始光谱植被指数并与植被覆盖度之间的相关性,选取最优波段组合;利用连续小波变换（continuous wavelet transform,CWT）对植被光谱反射率进行不同尺度分解,提取出不同分解尺度的最优波段;采用偏最小二乘法（partial least square,PLSR）和支持向量机（support vector machine,SVM）两种方法,以不同自变量建立植被覆盖度估算模型。结果表明：①原始光谱植被指数与植被覆盖度呈显著相关,相关系数均在0.55以上,最优波段组合为DI（2 260 nm,2 210 nm）、RI（1 410 nm,660 nm）、NI（1 470 nm,670 nm）、RDVI（1 770 nm,670 nm）、MSR（1 410 nm,660 nm）;②小波系数也与植被覆盖度之间有良好的相关性,原始光谱中1~10尺度对应的相关系数均在0.72以上,在波段630 nm处第6分解尺度中,相关性最大为0.788 9;一阶微分光谱提取的小波系数与植被覆盖度的最大相关性为0.806 9;二阶微分光谱中1~10尺度小波系数与植被覆盖度的相关性均在0.6以上,其中最大相关性为0.781 8;③以原始光谱植被指数与不同导数变换的CWT提取的小波系数为自变量建立的模型中,输入量为二阶微分小波系数的PLSR模型精度最高,模型最稳定,R²为0.905 9,RMSE为0.035 6,这表明经过CWT算法处理后,可以提高光谱的特征信息,为植被覆盖度的估算反演提供技术方法。     

基于纹理特征和支持向量机的玉米病害的识别

针对玉米病害叶片彩色纹理图像的特点，提出一种将支持向量机和色度矩分析应用于玉米病害识别的方法。首先利用色度矩提取玉米病害叶片纹理图像的特征向量，然后将支持向量机分类方法应用于病害的识别。玉米病害纹理图像识别实验结果表明：支持向量机分类方法对于病害分类训练样本较少时，具有良好的分类能力和泛化能力，适合于玉米病害的分类。不同分类核函数的相互比较分析表明，径向基核函数最适合于玉米病害的分类识别。     

基于小波变换的木材纹理去噪研究

通过对木材图像进行3尺度的小波变换,在高频内判断并提取噪声点,最后对确定的噪声点进行平滑处理,用峰值信噪比、均方误差值和灰度曲线对去噪效果进行评价.研究结果表明,该方法不仅对木材图像具有明显的降噪效果,也能最大限度的保留有用的木材纹理信息,同时本文采用的灰度曲线(profile)可以直观地分析图像的去噪效果.     

基于小波与曲波遗传融合的木材纹理分类

针对木材表面存在的直纹、抛物纹与乱纹3 类纹理,提出一种快速、准确的分类方法。分别提取小波变换的 15 个特征与曲波变换的16 个特征,通过设计纹理类型的遗传网络分类器,遗传优选出14 个主要特征;最后,运用 BP 网络构建基于优选特征量的纹理分类器。对3 类300 个样本进行了仿真实验,基于小波变换、曲波变换和遗传 融合方法的平均分类准确率分别为86.5%、89.3%和90.9%,平均分类时间分别为0.025、0.563 和0.216 s。实验 结果表明:小波变换对直纹分类具有较好的分类效果,但缺少方向性,对复杂纹理分类精度低;曲波变换可用于表 达复杂的木材纹理特征,但特征计算时间较长;基于遗传融合的特征提取方法,融合了小波分类速度快与曲波分类 精度高的特点,实现了小波与曲波的特征有效选择,提高了纹理分类的速度与分类精度。      

基于连续小波变换的表层土壤有机碳含量的高光谱估算

土壤有机碳含量的高光谱估算,可快速、准确监测土壤肥力,为农业生产进行合理施肥提供科学依据。以博斯腾湖西岸湖滨绿洲为研究区,应用ASD FieldSpec3光谱仪测定表层土壤的高光谱反射率,采用重铬酸钾-外加热法测定表层土壤有机碳(SOC)含量;运用连续小波变换(CWT)分别对土壤高光谱反射率(R)及其一阶微分变换(R′)进行尺度分解,分析不同尺度分解后的数据与表层SOC含量的相关性,筛选敏感波段,分别建立偏最小二乘回归(PLSR)、随机森林(RF)和支持向量机(SVM)3种模型估算表层SOC含量。研究结果表明,土壤高光谱反射率与SOC含量呈负相关,经过一阶微分变换后,通过极显著性检验(P<0.01)的波段数由1 689个降低为227个,最大相关系数绝对值(|r|)由0.39提高至0.54;土壤高光谱数据CWT处理后,与表层SOC含量的相关性随分解尺度的增加呈现先增后降的趋势。R′-CWT-SVM模型估算效果最优,建模集和验证集R²分别为0.83和0.80,RMSE分别为5.24和3.56,RPD值为2.12,能够有效估算研究区表层SOC含量。     

基于小波分解的日径流支持向量机回归预测模型

【目的】将小波变换与支持向量机结合,构建小波支持向量机回归模型(WSVR),并用其对日径流进行预测,为水库调度提供参考依据。【方法】利用径流时间序列中包含的大量信息,通过小波变换将径流时间序列分解成不同分辨率水平的子序列和近似序列,通过相关性分析选取有效子序列与近似序列相加得到的新序列作为支持向量机回归模型的输入,建立小波支持向量机回归耦合模型,以泾河流域张家山站的日径流为研究对象,利用均方根误差(RMSE)、平均绝对误差(MAE)、确定性系数(DC)、相关系数(R)及相对误差(RE)作为评价指标对模型预测精度进行评价。【结果】利用所建立的小波日径流支持向量机模型对张家山站日径流的预测结果显示,该模型在检验阶段的RMSE、MAE、DC、R及RE分别为26.05m3/s,8.26m3/s,0.826,0.910,-13.3%,与仅使用支持向量机回归模型(SVR)相比,耦合模型预测精度明显提高,且非汛期预测效果优于汛期。【结论】建立了小波支持向量机回归耦合模型,该模型可有效模拟和预测日径流,为日径流预测提供了新的途径。     

基于小波分解与分形维的木材纹理分类

为了对木材纹理进行分类,用Symlet-4小波对1 000幅木材纹理图像进行了2级分解并重构,形成8幅子图像。利用自相关函数对8幅重构图像及原图像计算了分形维数。分析表明:原木材图像的分形维数反映了木材纹理的总体规则性和复杂程度;多分辨率下,各近似和水平、垂直、对角三个细节图像的分形维数描述了纹理细节,当木材纹理细致时,图像的分形维数较小;当木材纹理粗糙时,分形维数较大。     

基于双概率神经网络的纹理图像识别

利用超滤法和高效液相色谱法,对3种不同产地的茯苓进行了研究,提出了建立基于多糖的二元指纹图谱的工艺流程和分析方法.以广西茯苓为基准计算,得到的湖南和云南茯苓与广西茯苓的相似性分别为0.919 0,0.740 0.结果表明,基于碳水化合物信息融合的多元指纹图谱方法可以有效地对不同产地的茯苓进行筛选,是一种有效的中药多糖质量控制的方法.     

基于小波变换的人脸识别系统

分析目前各种人脸识别技术的优缺点并实现了一种基于小波变换的人脸识别系统,根据试验结果评定该系统能比较精确的进行人脸的检测定位与特征提取,并最终完成人脸识别确认,具有很高的实用价值和广泛的应用前景。     

基于小波分析的红虫识别

提出了一种能量特征与支持向量机(Support Vector Machine,SVM)相结合的红虫与水中浮游生物图像识别方法.把小波能量特征加入到原始图像中,再用Fisher线性判别法进行特征提取,同时提取图像的三层小波分解后系数的数学特征和图像颜色调和熵构造特征向量,然后采用SVM进行识别.通过对红虫及浮游生物的分类进行实验,验证了该方法的有效性,获得较高的识别率.     

基于小波变换的代谢网络比较方法

针对集合论的全网络比较方法仅考虑节点本身的特性这一缺陷,提出了一种新的代谢网络比较方法,能同时考虑到节点在网络拓扑结构属性方面的差异.该方法综合了7种代谢网络拓扑中心性,应用主成分分析方法选取主成分,设计了主成分分量的序列化方法,运用小波变换来研究代谢网络结构特征曲线,建立模糊函数比较不同物种的代谢网络.该方法能定量地分析代谢网络拓扑结构的相似度.通过对相似度数据分析,揭示了代谢网络的物种特异性;发现了同一进化阶段物种的代谢网络相似度远高于不同进化阶段物种之间的相似度,为代谢网络进化研究提供了数学基础.     

Gabor小波和局部二值模式结合的一种人脸识别算法

针对传统的Gabor小波存在提取特征维数高、识别时间长的缺点,对Gabor小波的使用方法进行了改进.首先利用Gabor小波的幅值直接与人脸图像作乘积得到Gabor图像,接着使用局部二值模式得到纹理图像,然后提取出纹理图像的直方图信息,作为人脸图像的特征,最后使用支持向量机作为分类器,在未经过预处理的ORL人脸数据库中取得95%的识别率.平均每张人脸图像识别时间为0.14s,表明该算法能符合实际应用的要求.     

基于小波变换的图像边缘检测技术的改进

边缘检测是图像处理的主要内容之一.由于存在噪声,经典算法的图像边缘检测效果不好,针对其缺陷,应用小波变换对图像边缘进行检测,能得到较好的边缘,但是去掉了一些模糊的、弱的边缘.因此,采用自适应阈值的改进型小波边缘检测算法,在消噪的同时,可以很好地保留微弱的边缘.通过实验结果的比较,证明了这种方法的有效性.