针对QR(Quick Response)码在光照变化、污染、破损等情况下识别率低的问题,提出一种多块局部二值模式(MB-LBP)结合改进灰狼优化算法(GWO)优化支持向量机(SVM)的QR码识别算法。首先采用提升小波变换分离出图像的高低频分量,将二级低频和水平高频分量分成互不重叠的子块,分别提取每个子块的MB-LBP特征并融合;然后运用主成分分析(PCA)对样本集进行特征降维;最后采用SVM算法对QR码数据建立分类模型。为进一步提高分类精度,在标准GWO基础上引入基于对数函数的非线性收敛因子提升其寻优性能,并使用改进GWO优化SVM模型。实验根据不同高低频结合方式、SVM优化算法对识别性能进行了测试,结果表明本文方法在识别速度和分类精度方面都有明显提升,具有良好的稳健性。

大气污染物的主要组成成分为挥发性有机物(VOCs), 傅里叶变换红外光谱技术(FTIR)是现阶段应用广泛的挥发性有机物在线测量方法。 开放光路获取到的大气红外光谱(OP-FTIR)易受各种噪声污染, 如何有效、 快速的去除红外光谱中的噪声是大气在线实时监测系统研究的热点。 综合利用提升小波变换结构简单、 运算量低的优点以及最小均方误差自适应滤波器的自动调节参数以达最优化滤波的性能, 提出了一种改进阈值提升小波结合自适应滤波的红外光谱去噪算法。 该算法先通过改进阈值小波系数的提升小波去噪, 在去噪的同时保留更多光谱特征信息, 然后使用提升小波变换分解出的高频系数重构出噪声相关信号, 将其作为最小均方误差自适应滤波器的参考输入进行二次滤波处理, 最终获得的去噪信号很好的去除了与特征光谱频谱重叠的噪声信号。 分别对人工添加噪声的标准红外光谱和合肥市市区上空实测开放光路红外光谱进行去噪处理, 结果显示使用该算法处理后的光谱信噪比(SNR)较离散小波传统阈值去噪方法高出3db, 均方根误差(RSME)平均减少30%左右, 运行时间减少46%。 表明该算法计算简单、 运行速度快, 对于大气环境监测实时消噪系统具有重要的实际应用意义。

在紫外可见光谱定量分析中, 由于分光光度计内部的光学系统、 光源、 检测器、 电子元器件, 电路设计以及外部环境干扰等因素产生的随机噪声, 严重影响光谱定量分析结果的准确性, 为提高紫外可见光谱分析精度, 需要对光谱数据进行去噪预处理。 由于小波分析具有多分辨率, 低熵性、 去相关性等特点, 基于小波分析的去噪算法优于传统的去噪算法, 目前基于小波去噪的方法主要有模极大值去噪算法, 系数相关去噪算法, 阈值去噪算法, 工程实际应用以Donoho的阈值去噪法最为常用。 根据Donoho阈值消噪原理, 提出一种基于提升小波变换的阈值改进算法, 一方面使用提升小波变换, 提升小波变换是第二代小波变换, 继承了小波的多分辨率特性, 并且不需要进行傅里叶变换, 从而具有算法简单, 速度快, 实现简单的优点; 另一方面提出了一种新的阈值函数, 克服了硬阈值函数在阈值处不连续以及软阈值函数存在恒定偏差的问题, 同时对阈值估计进行了调整, 有利于信号小波系数的保留和噪声小波系数的剔除。 对三组多金属离子混合溶液的实测紫外可见光谱信号, 添加随机噪声后使用该方法进行去噪处理, 并使用信噪比(SNR)和均方根误差(RMSE)进行去噪性能评价。 试验结果表明, 提出的算法优于Donoho的软硬阈值去噪算法, 能够有效提高光谱信噪比和降低均方根误差, 从而更好地消除光谱信号中的噪声和保留光谱信号中一些重要的细节特征, 比较适合用于紫外可见光谱数据建模之前的去噪预处理, 在紫外可见光谱信号分析中具有较好的应用前景。

车牌识别系统的关键在于字符的识别,字符识别的核心是提取字符特征。小波变换可以 获取字符的细节结构特征,不变矩能很好地对其进行描述,将两者结合起来提取字符的特征。 利用张量积小波分解高频子图具有方向性的特点,提取字符的笔画特征,得到反映字符结构和 统计特征的联和特征向量。字符图像的分解采用第二代提升小波算法,进一步降低了计算复 杂性。实验结果表明,此方法提取得到的联合特征向量能达到98%的字符识别率,可以满足实际应用的要求。

为了有效抑制激光主动成像中的散斑噪声以及保护边缘细节信息, 提出一种基于同态滤波和改进阈值整数提升小波变换级联的散斑噪声抑制方法。首先,使用同态滤波将乘性散斑噪声变为加性噪声, 然后使用整数提升小波变换进行分解; 再次, 在分析经典阈值方法存在不足的基础上, 设计了一种新的阈值函数模型以及自适应阈值计算方法, 并对小波分解系数进行阈值处理; 最后, 进行小波系数重构和同态逆变换, 得到去噪后的图像。仿真实验表明, 该算法能够有效抑制噪声, 同时能够较好地保护图像的边缘, 具有较强的实用性。

为减少动态环境下半球谐振陀螺输出信号噪声, 提高惯导系统精度, 提出了一种基于提升小波变换(LWT)的滤波算法. 将信号经小波变换提升算法进行尺度分解后, 对低频小波系数进行前向线性预测(FLP)滤波, 进一步去除低频干扰, 提取有用信号, 高频小波系数直接置零或按照一定阈值规则处理, 显著提高了重构信号的精度, 去除了陀螺噪声. 详细对比了新算法、卡尔曼滤波算法和FLP滤波算法, 并分析了三者的去噪效果. 仿真结果和实际试验数据表明: 新算法能有效抑制动态环境下半球谐振陀螺输出噪声, 标准差为卡尔曼滤波算法的一半, 运算时间缩短了30%;该滤波算法不但速度快, 精度高, 而且计算量小, 抗干扰性好, 滤波后可以有效跟踪有用信号.

为了有效抑制红外图像中的随机噪声, 采用一种基于提升小波变换的双重滤波算法来进行处理。该算法对含有噪声的红外图像实现第1次提升小波分解, 然后对获得的低频和高频分解系数再次实现提升小波变换, 舍弃由低频系数经过第2次提升小波变换后获得的低频系数以及由高频系数经过第2次提升小波变换后获得的高频系数。对剩余的高频系数和低频系数分别采用改进阈值函数模型以及改进非局部均值滤波算法进行处理, 在此基础上实现小波系数重构。为了改善滤波后图像视觉效果, 再引入直方图均衡化算法进行处理。通过理论分析和实验验证, 获得了相关的标准测试图像和红外图像测试结果以及峰值信噪比和结构相似度测试数据。结果表明, 该滤算法对于高质量地去除红外图像中的噪声是有帮助的。

针对激光主动成像图像特点,提出一种改进的Canny边缘检测算法.该算法在Canny边缘检测算法的基础上,采用投票中值滤波和提升小波级联的方法代替传统的高斯滤波器;采用3×3邻域的权值自适应梯度计算方法代替原有的2×2邻域差分运算.仿真实验证明:该算法提升了传统Canny算子的抗干扰能力和鲁棒性,能够较好地保存边缘信息,准确检测出图像边缘,并且实时性较好,更具实用性.

对于噪声干扰严重、非线性、非平稳、多奇异点的微弱雷达生命信号而言，去噪是对有用信号进行分析前的必要手段。基于多普勒效应原理和雷达噪声的统计特性，建立了雷达生命信号的模型，分别用传统小波变换和提升小波变换对强噪声干扰下的生命雷达信号进行了去噪处理，结果表明被强噪声污染的雷达生命信号可以用传统小波变换的方法和提升小波变换法对其有效去噪，提升小波变换去噪效果优于传统小波变换去噪效果，其信噪比（SNR）和均方误差（MSE）两个性能指标均高于传统小波去噪。对雷达生命信号进行去噪处理时，使用的小波基函数是sym8，分解层数为3层。