全局最優(yōu)化復(fù)數(shù)小波的設(shè)計及其應(yīng)用研究.pdf_第1頁
已閱讀1頁,還剩66頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、小波分析作為一種廣泛用于分析非穩(wěn)態(tài)信號的工具,具有重要的理論價值和廣闊的應(yīng)用范圍。然而,通常的離散小波變換存在著一些缺陷,特別是存在對平移的敏感性,這些缺陷嚴(yán)重影響了小波表征信號的能力。為此,Kingsbury提出了雙樹復(fù)數(shù)小波變換。復(fù)數(shù)小波具有許多普通小波所不具備的優(yōu)良性質(zhì),例如對平移不敏感,存在相位信息,具有方向選擇性等。然而在復(fù)數(shù)小波領(lǐng)域還存在著許多待解決的問題。我們知道復(fù)數(shù)小波的優(yōu)良性能只有通過設(shè)計出合適的離散復(fù)數(shù)小波才能得以體

2、現(xiàn),由于復(fù)數(shù)小波的設(shè)計過程遠(yuǎn)比普通小波復(fù)雜,使得現(xiàn)有的設(shè)計方法均未能很好折中復(fù)數(shù)小波的各項性能。其次,在應(yīng)用領(lǐng)域,復(fù)數(shù)小波的應(yīng)用還有待于發(fā)展。從這個角度入手,本文開展了復(fù)數(shù)小波的設(shè)計以及相應(yīng)的應(yīng)用研究,其主要的研究內(nèi)容有:
  首先,眾所周知,由正交小波基構(gòu)成的Hilbert變換對只能由共扼鏡像濾波器(conjugate quadrature filter,CQF)組構(gòu)成的尺度濾波器近似實現(xiàn)。而本論文中我們首次將Hilbert變換

3、對的近似實現(xiàn)問題,歸納成尺度濾波器成為Hibert變換對所需要滿足的幅度和相位條件在lp(p=1,2或aD)范數(shù)意義下最小化的一個最優(yōu)化問題。此時,視構(gòu)成共扼鏡像濾波器組所需要的充分必要條件為該最優(yōu)化問題的約束,利用分支定界的雙線性規(guī)劃算法,我們獲得了該約束最優(yōu)化問題的全局最優(yōu)解。因為我們的約束最優(yōu)化問題聯(lián)合考慮了尺度濾波器幅度和相位條件對所需要設(shè)計Hilbert變換對近似質(zhì)量的影響。所以,本文獲得的全局最優(yōu)解能更好地近似Hilbert

4、變換對。一些正交小波基的設(shè)計實例表明:我們的設(shè)計方法優(yōu)于現(xiàn)有其他文獻(xiàn)中所報道的方法。另外,我們的實驗還表明,優(yōu)化誤差函數(shù)的l1模可以得到近似性能更好的Hilbert變換對。
  利用設(shè)計出的復(fù)數(shù)小波,本論文提出了一種基于復(fù)數(shù)小波圖像質(zhì)量因子的相似性測度。由于設(shè)計的復(fù)數(shù)小波對平移是不敏感的,我們提出的相似性測度對圖像的局部形變具有較好的魯棒性。與傳統(tǒng)互信息相似性測度的比較結(jié)果表明:本文提出的測度可以使非線性配準(zhǔn)算法在血管減影圖像配準(zhǔn)

5、中具有更好的配準(zhǔn)精度。此外,基于提出的測度,本論文也提出了一種迭代的血管減影圖像配準(zhǔn)算法。該算法利用每次配準(zhǔn)過程提取到的血管信息來提高下一次配準(zhǔn)算法的精度,從而進(jìn)一步提高了配準(zhǔn)的精度。
  最后,本文提出了一種基于小波域隱性馬爾科夫樹模型的多光譜圖像融合算法。該算法首先從高分辨率全色圖像中得到小波域隱性馬爾科夫樹統(tǒng)計模型,然后利用該模型作為先驗信息對低分辨率多光譜圖像進(jìn)行超分辨率恢復(fù),從而達(dá)到多光譜圖像融合的目的。實驗結(jié)果表明,與

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論