基于Context模型与Wiener滤波的小波变换图像去噪方法

在分析图像小波分解系数分布特征的基础上提出了一种基于Context模型与Wiener滤波的小波变换图像去噪算法。算法利用Context模型建立小波分解后系数的分类模型,并对不同尺度和方向的小波分解系数根据分类使用不同的阈值去噪。实验表明,本方法能较好的去除图像噪声和保留图像细节信息,在提高去噪图像信噪比和改善主观视觉效果方面都表现出了良好的性能。     

基于小波变换的农民收入增长波动关系预测分析

文章运用小波变换(WT)对1976—2006年间农民收入的波动关系进行预测分析,实证检验结果显示:全国农民人均纯收入增长具有7年和40年左右的特征时间尺度,与农民人均纯收入变化存在着7年和40年两个主要周期振荡保持一致。两个特征时间尺度叠加,可以预见在未来的数年内,全国农民人均纯收入将呈现绝对值快速增长、增长率在波动中有所放缓的特征。最后,文章就如何保持农民收入稳定增长提出了点简短的对策建议。     

基于小波算法的电磁辐射信号的重建浅析

电磁辐射信息的重建有很多方法,比如空间域滤波法、频率域滤波、小波变换去噪。本文运用小波变换的方法作为电子辐射信息的去噪方法,并且运用MATLAB辅助工具生成DSP代码。     

小波变换在PCB缺陷检测中的应用

当今社会,随着电子科学理论的飞速发展和工艺技术的不断提高,以及无引线电子元器件及其它先进技术和工艺方法的广泛应用,电子电路产品逐步向着高度智能化、微型化、集成化和高可靠性的方向快速发展。通过选用LABVIEW作为开发环境,进行上位机编程和界面操作,完成检测过程中各个模块的编程、调试工作,使得检测操作简单方便,大大提高了可操作性和实时性。     

小波变换在通信信号除噪方面的应用探究

小波分析在信息技术和其他学科方面的应用是众多科技工作者关心的课题。在理论方面,新观点、新方法不断涌现。本文旨在完善小波的基本理论,对原有的小波去噪方法作进一步的改进。经典的信号处理方法,例如傅立叶变换、短时傅立叶变换等具有局限性,因而限定了它们的应用范围。小波分析作为一种全新的信号处理方法,它将信号中各种不同的频率成分分解到互不重叠的频带上,为信号滤波、信噪分离和特征提取提供了有效途径,特别在信号去噪方面显出了独特的优势。     

基于小波算法的智能数据经济与教学模式判断研究

文章首先分析了基于小波算法的智能数据经济与教学理论模型设计,从智能数据时间应用层面展开。并总结当前开展智能小波算数据库建立中需要参照的理论基础部分,为管理计划实现创造稳定的基础环境,进而实现促进教学模式功能完善,营造出具有可行性的教学模式。     

摄影图像的融合技术分析

图像及视频的融合技术一直以为是计算机图形图像方向的研究重点,对现代影视工业的发展起到了关键的作用,本文从alpha融合的起因、原理、方法各方面探讨现在融合技术和方法的区别及有效性,从而从更深入的角度分析融合技术的困难以及现有方法的可靠性。     

用小波和高斯频谱合成方法对美国GDP进行分析模拟

用小波方法对美国季度GDP时间序列进行了波动成分分解,以此来分析美国经济波动的特点,然后根据经济周期理论,将波动周期小于一年的噪声波动成分分解出来。将该噪声波动看成是一个平稳随机过程,并用高斯频谱合成方法(GSSM)对该噪声波动进行模拟,从而得到美国经济波动的正常波动区间。     

结合HSV与PCA变换的遥感影像融合

文章提出结合HSV与PCA变换的遥感影像融合方法。针对HSV融合易损失光谱特性,以及PCA融合已损失纹理特性的问题,结合HSV与PCA相互配合的影像融合方法,并以Landsat8多光谱影像和全色影像融合为例,进行试验,通过统计分析,得出该方法最大程度保留了原始影像光谱信息,同时较好地保留了纹理信息。     

无人机在多传感器的数据融合和校园防火应用

无人机作为一种高新技术领域的热门研究项目,吸引着全球各行各业的目光。首先,需要明确无人机的内部结构及相关参数;同时,传感器是它的工作重心,而单一的传感器的作用有限,多传感器相互补充,共同发挥作用已成为主流;目前无人机应用的难点在于多传感器协同工作时的数据信息融合。本文主要介绍飞行中坐标转化和数据融合理论及图像探测,最后介绍了在校园防火方面的应用,在安防方面有重要影响。     

基于改进YOLOv3的机场盲区遥感图像目标检测方法

针对机场存在的雷达监视盲区问题,提出一种改进YOLOv3目标检测算法。首先,基于原YOLOv3主干特征提取网络加入SPP池化模块,以深度可分离卷积替代普通卷积。然后,针对小尺度目标数据集,增加第4层金字塔加强特征提取网络,在kmeans++聚类算法的基础上提出一种线性放缩进行锚框筛选。最后,在RSOD-Dataset数据集上MAP为88.82%,FPS为37.57。仿真结果表明该方法可以满足机场实时目标检测任务的需求。     

一种改进的分数阶Fourier变换目标检测算法

传统的信号检测和噪声分离方法只限于在时域或是频域进行,如果信号和背景噪声有很强的时频耦合,就难于在时频域得到好的检测结果。对此提出了分数阶Fourier变换检测算法做出改进,新的算法具有解除时频耦合和抑制噪声的特性,当选择合适的旋转角度使之与处理信号相匹配,就可以在分数阶Fourier域获得较好的检测结果。仿真实验中利用改进的分数阶Fourier变换算法对运动目标进行检测,结果表明新的分数阶Fourier算法的检测性能优于原分数阶Fourier变换。     

基于层次分析法的军民融合评估指标分析

军民融合水平评估关系到军民融合效果的检视与相关策略制定,依据指标构建原则和实际政策,建立评价指标体系框架;再根据指标特点选取层次分析法,对决策问题分层并分解为若干个三级指标,运用模糊量化方法确定各指标的权重,最终得到量化决策,为评估融合水平和优化融合策略提供参考。     

基于小波神经网络的沪深300指数收盘价预测

针对传统BP神经网络模型预测的缺陷,本文采用小波神经网络对沪深300指数收盘价的短期走势进行了预测分析.实验结果表明小波神经网络比直接使用神经网络进行预测的精度更高,预测的效果也更好.     

基于BP小波神经网络模型的大学生综合素质测评

本文提出一种基于BP小波神经网络模型的大学生综合素质评价方法,该方法能有效评估大学生的综合素质,具有良好的适配性和准确性.     

基于明文水印的图像版权保护研究

文章概括地介绍了数字水印,着重介绍了利用频域法来给彩色图像嵌入和提取数字水印。文章分3个部分,第一个部分介绍了现在版权保护问题的现状及原因;第二个部分对版权保护的方法进行了介绍和选择;第三部分是重点,具体解释了水印嵌入的算法和流程。     

基于小波神经网络的上证50指数多步预测

以神经网络为代表的人工智能模型对股票价格具有良好的预测效果,但是该智能模型侧重于单步预测,很难满足实际股票预测的要求。提出基于小波和神经网络相结合的股票指数多步预测智能模型。选取上证50指数为建模数据,运用小波分解将上证50指数收盘价序列分解成不同尺度的分层数据,依据迭代策略,利用BP神经网络分别预测小波分解后的各层数据,最后将各层的预测结果使用小波重构成原始股票收盘价的预测数值。结果表明,基于小波神经网络的多步预测模型具有良好的多步预测效果。     

快速数论变换的原理与方法

本文提出一种快速数论变换算法,这种算法是以数论为基础,对样本点为N=2r的数论变换,按时间抽取的方法,得到一组等价的迭代方程,有效高速简化了方程中的计算公式.与直接计算相比,大大减少了运算次数.     

基于Gabor的人脸识别技术研究

本文提出了基于Gabor小波变换的人脸识别技术研究。采用Ycb Cr作为人脸图像检测颜色空间,简单高斯模型表征颜色分布;采用Gabor小波变换提取人脸图关键特征作为输入向量,Direct LDA算法对人脸原始图像进行线性判别;采用支持向量机进行人脸识别。仿真实验表明,该方法能准确识别人脸,实时性满足实际要求。     

基于小波分解和ARIMA模型的城际铁路客流预测

针对城际铁路车站客流预测问题,文章采用离散小波分析方法对城际铁路车站原始日客流量数据进行小波分解;对分解得到的各层小波系数,利用AIC赤池信息准则进行ARIMA建模;利用训练得到的ARIMA模型进行预测未来一段时间客流数据的高频分量和低频分量,并对其进行小波重构,从而得到未来一段时间的预测客流数据;最后以广珠城际铁路某车站实际客流数据为例,对文章所提出的客流预测模型和客流预测算法进行了验证。实验结果表明,文章所提方法客流预测方法具有一定的预测精度。