小波矩

摘要： 针对传统的智能手绘草图识别系统无法精准、稳定地识别手绘草图的问题,文中设计一种基于小波矩的智能手绘草图识别系统.利用草图界面模块的手势书写界面输入草图作为操作指令,通过草图控制模块的预处理子模块预处理草图笔划,完成笔划的分割并将其传输至草图识别子模块;通过基本图元识别器和组合图元识别器实现草图图形识别,基于小波矩采集草图特征,计算样本草图和草图库中草图小波矩特征值的欧氏距离,依据欧氏距离排列草图,完成草图内容识别;操作控制子模块和手势命令识别子模块负责草图的控制和操作指令判别,并将系统运行过程中产生的数据存储于草图数据模块.实验结果表明,所提系统能有效识别草图的内容,识别的结果不受草图位置尺度变换和旋转的影响,可实现手绘草图的精准、稳定识别.

摘要： 针对雷达辐射源信号识别,提出一种基于时频分布的小波不变矩特征向量提取和识别分类方法.对雷达辐射源信号时频图像进行处理,对图像进行小波变换,提取小波矩的特征向量.采用支持向量机分类识别的方法,对特征向量进行训练,实现信号识别.对6种常见雷达信号进行分类,结果表明在信噪比较低的情况下也能取得较好的识别效果,在SNR为-3 dB时,识别正确率仍达到93.9％.

摘要： 针对现有图像区域复制篡改检测算法特征向量维数较高、鲁棒性较差的缺点,提出了一种基于小波矩的图像篡改检测算法.该算法利用小波矩提取图像块的低阶小波矩不变量,结合4个纹理特征共同表示图像块的特征向量,最后对特征向量矩阵进行字典排序,检测相似区,利用形态学消除误判,确定出篡改区域.实验结果表明,该算法能够准确检测多区域复制篡改.

摘要： 为了在工程应用中检索已有的三维CAD模型,以便重用相应零件的设计信息,节省设计和加工成本,提出一种基于小波矩和仿射不变矩特征融合的隐马尔科夫模型(HMM)三维CAD模型归类与检索算法.对三维模型图进行归一化处理,并分别提取归一化图像的小波矩特征值和仿射不变矩特征值;通过K-W检验算法选择出鲁棒性好、稳定性高的组合不变矩特征并进行编码;构造五类三维模型的样本集,将上述特征值作为HMM的输入观测值,通过修正的添加比例因子的多观测序列Baum-Welch(B-W)算法进行模型的训练与识别.将本文算法与其他三种算法进行实验对比,结果表明,本文所提出的算法具有较好的识别率和检索效率,具有一定的实用价值.

摘要： 针对不变矩对仿射形变目标描述的不足,为提高舰船型号的识别精度,提出一种基于小波和仿射不变矩特征融合的舰船型号识别方法.首先对二值舰船图像进行归一化处理,并分别提取归一化舰船图像的小波矩特征值和仿射不变矩特征值;然后通过计算样本特征均值与标准差的比值,选择出鲁棒性好、稳定性高的特征,通过归一化方法进行融合;最后构造五类舰船的样本集,采用支持向量机(SVM)作为分类器识别测试样本的型号,分析不同矩特征、样本集大小、SVM参数、本文方法对识别精度、稳定性的影响.实验结果表明,文中给出的算法提高了识别精度,并且在训练样本集较小时仍能获得88%以上的识别率.%According to the shortage of invariant moment in deformation object description, in order to improve the re-cognition accuracy of warship type, this paper proposes a new warship type identification method. First of all, according to the normalized binary images of warship, the features of wavelet moment and affine invariant moment are extracted respect-ively; Then, the features with good robustness and high stability are selected by calculating the ratio of mean and standard deviation of the sample features, and two different features are fused by normalization method in order to eliminate the dif-ferences between two features; Finally, five types of sample set of the warships are constructed through Matlab program, the support vector machine (SVM) is used as classifier to identify the warship type of test sample set which consists of the whole sample set except the training set, and the diffenrences among wavelet moment, affine invariant moment and the proposed method are compared in recognition accuracy and the effect of the training sample set size and the parameters of SVM on the identification accuracy. Experimental results show that the proposed algorithm improves the recognition accuracy, and the re-cognition accuracy is still greater than 88% when the training sample set is small.

摘要： 本文利用小波不变矩和支持向量机理论进行舰船目标识别。在识别过程中,首先获取图像,同时将得到的图像转换到极坐标内;然后利用小波矩进行特征提取,在此过程中选择合适的核函数;最后利用支持向量机进行分类。实验结果表明,本文算法具有较高的识别率。

摘要： 由于除冰机器人工作在覆冰的电力线上,障碍物的识别存在着各类障碍物区分较难,准确率较低等不足。为提高机器人自主识别能力,设计一种自适应阀值的小波变换边缘提取算法来提取出障碍物的图像边缘,并针对电力线障碍物结构特点,在障碍物边缘提取过程中设计一种基于电力线位置约束的有效剔除部分干扰背景的方法;引入小波矩,通过提取边缘图像的小波矩作为障碍物的特征匹配数据;根据神经网络和粒子群算法的原理,设计一种粒子群优化的小波神经网络进行障碍物的识别分类,该方法用粒子群算法取代传统的梯度下降法,并改进惯性权重因子,优化小波网络的各个参数。试验结果表明所提出的方法对电力线上防震锤、悬垂线夹和耐张线夹等障碍物能够有效地识别,并具有比普通识别方法更高的识别精度。

摘要： 提出了基于小波矩特征和模糊核聚类算法的示功图故障诊断方法.通过边缘检测和形态学细化的方法完成示功图的图像分割,采用极坐标下小波不变矩算法提取示功图的形状特征,通过参数选择确定12个小波矩特征量,将特征量输入到模糊核聚类分类器中进行故障类型的分类识别,得到了良好的实验效果,验证了该算法对于示功图故障诊断的有效性.

摘要： 本文首先介绍了支持向量机(SVM)和小波矩的基本思想和算法.接着通过提取训练样本的小波矩,将其作为图像的特征值输入到支持向量机,完成了支持向量机对样本的训练与分类.最后,通过对支持向量机选用不同核函数对目标进行分类的实验结果,比较了不同核函数以及人工神经网络在各种情况下的识别效果.

摘要： 提出一种具有尺度、平移与旋转不变性的目标识别方法.该方法首先提取目标图像的小波矩特征,然后与小波神经网相结合,构成一套目标识别系统.小波矩不变量不仅可以表示图像的全局特征,而且还能表示局部特征;而小波神经网络结合了小波分析和传统神经网络的优点,具有很强的学习能力和推广能力.因此基于小波矩的小波神经网络目标识别系统在进行目标识别时具有很大的优势.实验中使用该方法对4类飞机目标进行识别,实验结果证明其识别率高于其它的目标识别方法.

摘要： 三维模型的普及使得三维模型特征的提取和识别变得重要,并具有应用前景.本文着重实现了小波矩方法,并实现了3D Zernike矩方法作为参考,并指出小波矩对于提取三维模型特征的优越之处.

摘要： 在合成孔径雷达(SAR)自动目标识别中,人造目标的识别至关重要,而识别结果在很大程度上依赖于特征的有效性.本文在对描述SAR图像的特征进行分析的基础上,将小波不变矩引入到SAR图像目标特征提取中,结合不变矩和小波多尺度分析的优点,提出了一种基于小波多尺度分析的不变矩特征的SAR图像特征提取算法.实验结果表明,该算法能有效地对SAR图像中的目标进行特征提取.

摘要： 在合成孔径雷达(SAR)自动目标识别中,人造目标的识别至关重要,而识别结果在很大程度上依赖于特征的有效性.本文在对描述SAR图像的特征进行分析的基础上,将小波不变矩引入到SAR图像目标特征提取中,结合不变矩和小波多尺度分析的优点,提出了一种基于小波多尺度分析的不变矩特征的SAR图像特征提取算法.实验结果表明,该算法能有效地对SAR图像中的目标进行特征提取.

摘要： 在合成孔径雷达(SAR)自动目标识别中,人造目标的识别至关重要,而识别结果在很大程度上依赖于特征的有效性.本文在对描述SAR图像的特征进行分析的基础上,将小波不变矩引入到SAR图像目标特征提取中,结合不变矩和小波多尺度分析的优点,提出了一种基于小波多尺度分析的不变矩特征的SAR图像特征提取算法.实验结果表明,该算法能有效地对SAR图像中的目标进行特征提取.

摘要： 在合成孔径雷达(SAR)自动目标识别中,人造目标的识别至关重要,而识别结果在很大程度上依赖于特征的有效性.本文在对描述SAR图像的特征进行分析的基础上,将小波不变矩引入到SAR图像目标特征提取中,结合不变矩和小波多尺度分析的优点,提出了一种基于小波多尺度分析的不变矩特征的SAR图像特征提取算法.实验结果表明,该算法能有效地对SAR图像中的目标进行特征提取.

摘要： 本发明公开了一种基于小波绝对矩的图像LSB匹配隐写的密钥还原方法，对于密钥空间或者密钥字典中每个可能的隐写密钥，分别依次执行以下步骤：A：设置隐写信息长度估计值L，根据每个可能的隐写密钥k生成长度为L的测试路径B：分别计算位于待检测图像中测试路径内的所有位置的小波绝对矩剩余的绝对平均值以及待检测图像中位于测试路径外的所有位置的小波绝对矩剩余的绝对平均值；C：计算和的差值；D：选取1个或多个最大的差值所对应的隐写密钥作为还原的疑似隐写密钥。本发明能够在嵌入位置仅由隐写密钥确定的前提下确定疑似隐写密钥。

摘要： 本发明的目的在于提供基于复合评价指标和小波熵的小波阈值去噪参数选取方法，包括以下步骤：获取备用小波基，小波去噪处理，复合评价指标计算，将每个小波基不同分解层数的两种传统评价指标组成的数据集分别进行归一化处理，每个小波基各得到一组复合评价指标，确定最佳分解层数，使用同类小波基对含噪信号进行逐层小波分解至最佳分解层数，通过计算低频系数的小波熵确定每一层分解的最优小波基，比较复合评价指标确定多类小波基中的最优去噪方案。本发明通过构建复合评价指标确定最佳分解层数，计算低频系数小波熵确定每一层分解的最优小波基的方式，在尽可能减小计算量的前提下解决了小波去噪中小波基和分解层数两种去噪参数的优选问题。

摘要： 本发明提出了小波卷积小波神经网络及情报分析方法与系统，小波卷积小波神经网络及情报分析方法(1000)，包括情报处理流程(100)、全段前向计算流程(200)、wCwNN训练计算流程(300)；可以应用到模式识别、拟合预测、智慧城市、智能警务安防和智能交管领域。该方法包括情报处理、全段网络前向计算、全段网络训练计算流程。该系统包括不受控系统、前端情报板、网络安全与交换设备、海量情报服务器、高性能情报分析器、情报监察控制器。该方法与系统应用时可以通过物联网采集不受控系统大数据信息，快速完成训练，高精度完成智能计算，实现高性能智能系统。

摘要： 本发明涉及一种小波不变矩和模糊C均值的舰船目标识别分类方法，所述方法包括如下步骤：步骤一：打开样本图像数据；步骤二：对三组样本图像进行分割，将舰船目标从背景中分割出来；步骤三：计算三组样本图像的小波不变矩特征；步骤四：打开一幅测试图像，对测试图像进行分割，将舰船目标从背景中分割出来，并计算测试图像的小波不变矩特征；步骤五：通过模糊C均值(FCM)聚类分别建立三类样本图像和测试图像的特性视图；步骤六：采用最近邻分类方法实现舰船目标分类识别；步骤七：输出舰船目标类型和样本图像中与其最近的舰船目标图像。本发明提出的方法提高了特征提取的稳定性和有效性，降低了对噪声的敏感程度。

摘要： 本发明公开了一种基于小波绝对矩的图像LSB匹配隐写的密钥还原方法，对于密钥空间或者密钥字典中每个可能的隐写密钥，分别依次执行以下步骤：A：设置隐写信息长度估计值L，根据每个可能的隐写密钥k生成长度为L的测试路径B：分别计算位于待检测图像中测试路径内的所有位置的小波绝对矩剩余的绝对平均值以及待检测图像中位于测试路径外的所有位置的小波绝对矩剩余的绝对平均值；C：计算和的差值；D：选取1个或多个最大的差值所对应的隐写密钥作为还原的疑似隐写密钥。本发明能够在嵌入位置仅由隐写密钥确定的前提下确定疑似隐写密钥。

摘要： 本发明公开一种基于LBP和小波矩融合特征的肺癌图像精细分类方法，该方法包括以下步骤：步骤一、对输入图像进行病灶定位。步骤二、病灶部位随机生成大量模板。步骤三、输入图像进行不同尺度缩放，分别对图像块与模板块进行纹理特征MB‑LBP与形状特征小波矩的提取，通过实验调整权重参数融合两种特征。步骤四、图像不同位置匹配，得到特征响应图。步骤五、使用改进的均值空间金字塔模型将响应图转化成特征向量。步骤六、利用支持向量机实现精细分类。本发明提出的算法，是精细分类思想在医学领域的尝试，减少冗余模板的产生；LBP纹理特征与小波矩特征的融合良好的表示肺癌图像信息；金字塔模型抽取特征保留了有力的特征，提高识别精度。

摘要： 本发明涉及一种基于离散小波矩量法的地震散射波场数值模拟方法；首先，选取形式较为简单的正交分域基函数，对待求波场进行展开，通过矩量法将LS方程转化为矩阵方程；其次，选取具有较好消失矩、正则性和紧支撑的Daubechie小波函数，利用Mallat塔式分解算法得到Daubechie小波滤波器，进而构造出正交小波变换矩阵对系数矩阵进行稀疏化，即得到关于小波展开系数的线性方程组；接着采用共轭梯度法求解该线性方程组；最后，对线性方程组的解向量进行小波逆变换，即得到待求波场的展开系数，进而求得计算区域上的待求波场值。本方法解决了传统矩量法在解LS方程时，离散系数矩阵满秩导致占用存储空间大、计算效率低的问题。

摘要： 本发明公开了质心切分的小波矩量法求电大物体电磁散射的方法，属于电磁工程中的计算电磁学领域。针对计算电大尺寸导体目标电磁散射时，形成的矩阵复杂，计算量较大，并且易发生错误的情况，首先利用RWG基函数对目标表面进行三角形离散，然后将每个原始三角形分割为9个相同的子三角形，采用质心切分法高效填充阻抗矩阵元素，进而得到计算时无奇异性问题的阻抗矩阵，其次，利用离散小波变换产生的稀疏矩阵作用于高效填充后的阻抗矩阵，利用小波基本身的多分辨率和消失矩特性，使稠密的阻抗矩阵稀疏化，从而减少计算时间。通过仿真证明本发明提出的方法可以在保证计算精度的情况下，用于快速计算电大物体的电磁散射特性。

摘要： 本发明提出了一种基于小波矩的深度图像跌倒识别算法。该算法首先根据图像中各像素点相对于质心的距离做归一化，然后对归一化的图像极坐标化、FFT变换，最后对图像进行小波变换获取特征向量，并结合最小距离分类法识别人体行为。通过对大量的人体行为样本进行测试，本发明算法的识别率达到了90%。本发明通过利用深度图像和小波矩特征的平移、缩放和旋转不变性，解决了传统视频图像处理存在的隐私问题，提高识别性能。本发明不仅提高了对人体跌倒行为的识别能力，而且具有更好的鲁棒性，有很好的应用前景。

摘要： 本发明公开一种基于LBP和小波矩融合特征的肺癌图像精细分类方法，该方法包括以下步骤：步骤一、对输入图像进行病灶定位。步骤二、病灶部位随机生成大量模板。步骤三、输入图像进行不同尺度缩放，分别对图像块与模板块进行纹理特征MB?LBP与形状特征小波矩的提取，通过实验调整权重参数融合两种特征。步骤四、图像不同位置匹配，得到特征响应图。步骤五、使用改进的均值空间金字塔模型将响应图转化成特征向量。步骤六、利用支持向量机实现精细分类。本发明提出的算法，是精细分类思想在医学领域的尝试，减少冗余模板的产生；LBP纹理特征与小波矩特征的融合良好的表示肺癌图像信息；金字塔模型抽取特征保留了有力的特征，提高识别精度。