简介:摘要人脸识别是模式识别以及图像处理研究的重要内容和热点之一,也是生物特征识别技术中的一个非常活跃的课题。人脸识别技术具有实时、准确和非接触等优势,因而较容易被用户接受和认可,目前已经在出入管理、门禁考勤等系统中有着广泛的应用。本文主要研究基于Gabor小波变换与协同表示的人脸识别算法,就其中的特征提取等相关问题进行了深入探讨。首先用Gabor小波对人脸图像进行特征提取,由于变换后的特征维数较高,所以要对变换特征进行降维,本文结合协同表示的方法提出了一种新的基于Gabor特征与协同表示的人脸识别算法,实验结果表明该方法对于人脸图像的光照、表情和姿态等变化具备较强鲁棒性,算法运行速度较快。
简介:为提高对时变信号的分析处理能力,设计了一组同时满足抗混淆、完全重构和正交化的Q—shift滤波器。与传统Q—shift滤波器相比,其权系数可以根据输入信号特性进行自适应调整。将基于自适应Q—shift滤波的双树复小波变换用于对超声缺陷信号进行阈值降噪,实验结果表明,与Q—shift10/10和DWT两种传统方法相比,去噪后信号的信噪比可以分别提高1.03dB和1.97dB。
简介:小波分析多尺度特征可以替代B样条基,将多尺度特性带入到曲面之中。这样就可以将分辨率较高的曲面分解成小波系数组和分辨率较低的曲面。运用离散内积和非均匀B样条节点插入算法,根据整体光顺度,从曲面对应的最坏节点进行局部光顺,选择最坏节点的光顺区域,运用约束方程,在光顺界面边界基本不变的条件下,对细节部分迭代进行分解,控制误差。在光顺时又可以保持曲面的连续性。
简介:针对造纸生产线上纸病在线检测系统光源不均匀性和纸病难以识别的问题,通过建立纸病图像背景模型实现动态补偿光源的不均匀成分,并根据不同纸病图像的灰度分布规律,两次使用二维小波变换增强其灰度轮廓信息和提取灰度特征,以实现纸病的在线辨识.实验结果表明,该方法可以显著提高纸病辨识精度.
简介:采煤工作面的液压支架是承受顶板压力的主体结构,选择支架的主要根据是其将要承受的周期来压荷载。为预测周期来压,构建了基于小波和混沌优化的最小二乘支持向量机(LSSVM)方法。该方法利用小波分解技术将所选的样本集数据分解成不同频率的分量,基于混沌理论对分量相空间进行重构。各重构分量分别使用LSSVM模型进行训练,其中LSSVM预测模型的参数由混沌粒子群算法进行优化。最后,将各LSSVM模型得到的预测分量进行小波重组得到完整的周期来压荷载预测波形。通过在重构时的计算发现,在某周期下,荷载的时序序列有一定的混沌性。与其他3种模型进行比较,基于小波和混沌优化LSSVM的预测模型得到的最终荷载波的精度更高,收敛性也较好。
简介:摘要在阐明绿色施工概念的基础上构建了绿色施工的评价指标体系。概括介绍了基于小波神经网络评价方法的基本原理,并分析了该方法应用于绿色施工评价的优越性。详细论述了基于小波神经网络的绿色施工评价模型的建立过程,包括小波神经网络的建立、学习训练,以及结果的检验等。实例证明该模型有效、可靠,对指导实际工程具有重要意义。
简介:基于超声信号在涂层的上、下表面产生的奇异性,通过对超声信号进行连续小波变换分析,利用模极大值法和Lipschitz指数法进行判断,找出了超声信号中的奇异点。依据热障涂层界面反射信号的时间差,利用已知涂层声速可以算出涂层厚度。通过与扫描电镜所测涂层厚度对比分析,验证了该方法的可行性。
简介:针对非平稳农民收入时间序列,采用dmey离散小波进行多层分解,应用Penalize类型软阀值分别对各层的高频分量进行消噪处理,经离散小波逆变换重构得到农民收入时序的趋势成分和周期成分。改革开放以来,农民收入分别以1984、1999两个波峰年以及1992、2006两个波谷年份为分界点,可划分为三个增长周期。农民收入在不同尺度上存在着持续时间分别为3年、8年、15年的短、中、中长周期波动,中长周期表现最为明显,居于主导地位,中周期的影响主要在近十年逐步变得清晰。无论是从收入增长的周期波动还是长期趋势角度看,今后一段时期内的农民增收形势都相对乐观。千方百计继续保持农民收入快速增长的长期趋势,应是今后的工作重点。
简介:钻时是地质录井现场地层岩性划分和层位卡取最重要的依据之一.为增强钻时的可比性,提出一种新的钻时变换方法,该方法以dc指数公式所蕴含的钻井参数之间的函数关系作为钻时变换的理论依据,根据dc指数公式推导出钻时变换公式,对钻时进行变换.胜利油田是典型的断块油气田,地质条件复杂,因而选取该油田较为典型的KDX414井作为例证进行探讨.结果表明:同实际钻时相比,不同深度或不同岩性之间的变换钻时差异性明显,与录井岩屑剖面和测井曲线的符合性更高,尤其对砂、泥岩地层岩性的划分和对油气储集层深度与厚度的确定更加准确,且变换钻时与dc指数的相关性有明显提高.
简介:Curvelet变换用于影像融合能有效保持影像的光谱信息,利于提取影像不同尺度、不同方向的细节特征。为检测Curvelet变换对影像分类的影响,文章首先采用PCA方法、Curvelet变换方法对IKONOS影像进行融合;然后对原多光谱影像和融合影像进行监督分类,分类时采用相同的训练样本;最后运用多种参数对结果进行目视、定量评价。总体结果显示:基于Curvelet变换的融合影像各波段的信息熵以及与原影像的平均结构相似性程度均高于基于PCA的融合影像,原多光谱影像、基于PCA的融合影像和基于Curvelet变换的融合影像的总体分类精度分别为:77.27%、70.00%和80.09%,其中基于Curvelet变换的分类影像的地物边缘光滑度最高。