分享6篇关于离散小波变换的计算机专业论文

今天分享的是关于离散小波变换的6篇计算机毕业论文范文, 如果你的论文涉及到离散小波变换等主题,本文能够帮助到你

小波域音频信息隐写技术的研究与实现

这是一篇关于离散小波变换,奇异值分解,数字隐写,心理声学模型的论文, 主要内容为随着科学技术的快速发展,大量优秀的原创多媒体作品通过数字化传播的方式得到更多的人欣赏。然而数字传播的便捷性也滋生了盗版猖獗的现象。为了防止多媒体数据被滥用,保护原创作者的合法权益,营造健康的创作环境,保护多媒体数据的版权势在必行。信息隐写技术利用人类听视觉系统的特点通过将水印信息以不可感知的形式隐藏在多媒体作品中,因其优秀的隐蔽性在多媒体数字水印领域得到了广泛应用。本文主要针对数字音频作品的小波域信息隐写技术进行研究。首先对目前音频的信息隐写技术涉及的鲁棒性、不可感知性和隐藏容量这三种性能指标之间的关系进行分析,并针对目前小波域音频信息隐写技术主流算法进行仿真,基于传统算法目前存在的普适性和透明性较差问题提出了一种基于心理声学模型的小波域音频信息隐写算法。通过与传统算法进行对比分析得到本文提出的算法在三种性能方面的优势。最后基于提出的算法设计实现了应用于音频文件的小波域隐写技术的收发软件系统。本文主要的创新点和研究成果如下:1、提出了基于离散小波变换(Discrete Wavelet Transform,DWT)的自适应音频信息隐写技术。针对现有小波域音频信息隐写算法存在的不足,设计出了一种根据心理声学模型计算结果动态调整嵌入强度的小波域音频信息隐写技术。该技术首先对音频信号经离散小波变换得到的小波系数重新排列构造高维矩阵,再使用奇异值分解(Singular Value Decomposition,SVD)对矩阵进行处理得到矩阵的奇异值,最后利用心理声学模型计算的结果动态调整奇异值的嵌入强度,使得算法在普适性和不可感知性方面得到较大的性能提升。2、根据本文提出的小波域音频信息隐写技术设计并完成了嵌入端软件和提取端软件开发。在计算机端利用QT开发信息嵌入软件并完成了软件界面设计和信息嵌入功能开发工作。在移动设备端完成了适用于Android和Harmony系统的信息提取软件的界面设计和功能接入工作。该软件提高了算法系统的使用便捷度,降低了使用者的学习成本。

基于LSTM网络的癫痫脑电信号分类算法研究与FPGA实现

这是一篇关于癫痫发作预测,离散小波变换,长短期记忆网络,FPGA,复用优化策略的论文, 主要内容为近年来,随着脑机接口(Brain Computer Interface,BCI)和深度学习技术的发展,科研人员正在努力将这些技术应用在医学康复领域,并已经取得了一些成果,其中基于深度学习网络的便携式癫痫发作预测系统已成为该领域的研究热点。癫痫脑电信号分类算法是便携式癫痫发作预测系统的核心部分,其分类效果直接决定了整个系统的性能。本文对便携式癫痫发作预测系统所涉及到的关键技术展开研究,包括癫痫脑电信号分类算法设计、基于FPGA的分类算法硬件实现与优化以及验证平台搭建等。本文针对癫痫脑电信号的特点以及便携式癫痫发作预测系统实现的要求,提出了将小波变换算法与长短期记忆(Long-Short Term Memory,LSTM)网络相结合,对癫痫脑电信号进行特征提取与分类,最终在FPGA平台上加以实现。本文的主要工作如下:(1)提出利用离散小波变换(Discrete Wavelet Transform,DWT)分解信号并提取统计特征用以表征癫痫脑电信号时频特征,随后将提取的特征序列送入LSTM网络中进一步挖掘其中最具鉴别能力的特征信息并进行分类,然后利用CHB-MIT公开数据集对算法进行训练和测试,分别采用基于片段和基于事件的评价标准对算法进行性能评估。最后将本文算法与其它分类算法进行对比,结果显示本文算法性能更优。(2)为了满足癫痫发作预测系统的实时性和便携性要求,本文利用FPGA平台设计癫痫脑电信号分类算法的硬件电路。在硬件设计中,首先基于Vivado HLS完成癫痫脑电信号分类算法的IP核设计,包括数据类型选择、DWT特征提取以及基于LSTM模型的分类模块,然后进行功能仿真以验证各个模块的逻辑功能,最终实现Vivado HLS下的IP核设计,完成从算法设计到硬件实现的正确映射。(3)为提高硬件电路的计算速度,增强癫痫发作预测的实时性,本文针对算法的并行特性采用复用优化策略以及并行优化策略完成分类算法IP核的优化。为了保证系统功能的完整性,基于FPGA完成癫痫脑电信号的滤波器设计,最后在Vivado软件中搭建以癫痫脑电信号分类算法硬件IP为核心的硬件系统,使用Xilinx的ZYNQ7000系列对整体电路进行板级验证。本文通过对癫痫脑电信号分类算法进行研究,利用小波变换和长短期记忆网络方法对癫痫脑电信号完成特征提取和分类,随后在FPGA平台上对癫痫脑电信号特征提取和分类算法的硬件电路加以实现,并采用复用优化以及并行优化策略对算法的硬件电路进行优化改进,提高了硬件电路的计算速度,增强了癫痫发作预测的实时性,最终满足便携式癫痫发作预测系统的要求。

基于同轴电容传感网络的滑油磨粒监测方法研究

这是一篇关于发动机健康管理,电容传感,经验模态分解,离散小波变换,支持向量机的论文, 主要内容为发动机健康管理能够对发动机的性能状态进行监视,同时对发动机的性能变化趋势进行预测,是防止系统或部件失效、保证发动机安全性和减少维修成本的重要手段。滑油磨粒在线监测技术作为发动机健康管理的重要内容,通过监测滑油中的磨粒能够获取发动机内部的磨损状况,从而及时对突发故障进行预警,在确保飞机安全运行方面发挥了重要作用。本文研究的主要内容如下:1)本文简要概述了目前滑油磨粒离线检测和在线监测传感器技术的发展和研究现状,并就典型的滑油磨粒在线监测传感器的优缺点与其特性进行了比较和分析,在课题组之前制作的同轴电容传感器的基础上提出了利用同轴电容传感网络来对滑油磨粒进行在线监测的新技术思路。2)本文对同轴电容传感网络内同一子探测空间不同类型极板的传感器进行理论分析,其中包括有非平行平板电极和平行曲面电极。同时还进一步明确了磨粒电容信号与传感网络结构的关系,为后文的仿真和实验奠定了理论基础。3)本文在COMSOL软件中建立了同轴电容传感网络模型,并通过仿真确定了同轴电容传感网络的参数,包括传感网络的结构参数及激励极板的施加电压。在确定完传感网络参数之后,分别模拟了不同大小和不同数量的磨粒对传感网络不同电容值的影响,结果表明随着磨粒大小和数量的增大(增多),不同类型电极板的电容仿真值也随之增大。4)本文制备出了同轴电容多通道传感网络,设计了实验平台对滑油磨粒进行在线监测,然后提出了一种基于EMD和DWT的磨粒信号提取算法对监测到的信号进行提取,验证了磨粒尺寸和数量与传感网络输出值的关系。5)利用仿真得到的不同类型电极的电容数据进行SVM训练生成磨粒分类模型,包括实际工况下磨粒的定性化分类模型和实验所用磨粒的定性化分类模型,并将实验数据导入模型进行验证,最终说明同轴电容传感网络能够实现滑油磨粒定量化识别和定性化分类。

基于卷积神经网络的多尺度特征表示的压缩图像和视频后处理滤波器研究

这是一篇关于卷积神经网络,离散小波变换,注意力机制,压缩图像去块,压缩视频后处理的论文, 主要内容为近年来,数字化多媒体技术发展迅速,用户对数字化的图像和视频的需求量呈爆炸式增长。但是图像和视频的信息量相比于文本十分巨大,传输和存储需要大量的网络带宽和存储空间,因此需要对其进行数据压缩。目前,大多数的国际通用图像和视频压缩标准采用基于分块的DCT变化压缩编码技术。尽管这种技术可以提供相对接近原图的图像和视频,但其不可避免的会产生压缩伪影,包括块效应,带状效应和振铃效应。这些压缩伪影不仅影响用户的主观视觉效果,而且不利于后续的计算机视觉任务。随着电子设备的计算能力大幅提升,深度学习由于其强大的映射学习能力,在计算机视觉任务正扮演着越来越重要的角色,基于深度学习的图像和视频处理方法也越来越多。因此,本文以提高数字图像和视频的主观视觉质量和客观评价指标为目的,结合深度学习的方法,对JPEG压缩图像去块效应和视频压缩后处理两种情况进行深入的研究和分析。本文的主要工作如下:提出了一种基于离散小波变换的卷积神经网络方法用于对压缩图像进行小波子带自适应去块。首先,我们在对输入图像进行离散小波变换(DWT)之后进行子带自适应处理,对于低频子带(LL),我们使用简单有效的浅层CNN来恢复图像的低频分量;而对于高频子带(LH、HL和HH),我们使用多核卷积来捕获多尺度特征并恢复图像中稀疏的高频部分。然后,我们使用由空洞卷积和普通卷积组成的混合卷积构成增强网络,来扩大网络的感受野,同时引入通道注意力和空间注意力机制来调整不同子带通道和空间坐标的权重。在Classic5和LIVE1数据集上进行的各种实验表明所提出的方法成功地恢复了JPEG压缩图像中的锐利边缘和清晰纹理,同时消除了诸如块效应和带状效应等压缩伪影。此外,在视觉质量和客观指标方面,所提出的方法在压缩伪影去除方面实现了较好的性能表现。提出了一种基于卷积神经网络的多尺度特征表示的压缩视频后处理滤波器。因为离散小波变换可以将图像分解为多频率和多角度的子带,有助于分析视频压缩过程中伪影,因此我们将DWT与CNN结合,并构建了两个子网络:阶梯式子带网络(SLSB)和混合增强网络(ME)。SLSB将被分解成不同频率的小波子带的输入视频帧送入对应的Res2Net Group(R2NG),按照从高频到低频,从低信息量到高信息量的顺序逐步重建小波子带,我们还在R2NG引入了空间和通道注意力机制,可以自适应的增强重要的特征。ME使用由空洞卷积和普通卷积组成的混合卷积来扩大网络的感受野,增强网络的映射学习能力,进一步提高重建质量。实验结果表明,提出的后处理滤波器在常见测试条件(CTC)的三种模式(RA,AI,LDP)下有较好的主观视觉质量和客观评价性能。

基于高性能JPEG2000编码器的图像处理系统设计与实现

这是一篇关于JPEG2000,离散小波变换,FPGA,图像处理系统的论文, 主要内容为图像处理系统逐渐向高分辨率、高速方向发展,海量图像数据对存储空间和传输带宽造成了巨大挑战,所以对图像进行高质量压缩成为必然选择。JPEG2000静态图像压缩标准,采用独特的离散小波变换和优化截断嵌入码块编码等技术,具有压缩质量好、容错性高等优势。结合FPGA高密度、半定制和可重构的特点,可以更好地针对具体应用需求实现高性能JPEG2000图像压缩编码器。此外,FPGA还具有丰富的外设接口,便于进行系统级开发。本文首先详细研究了JPEG2000图像压缩编码器的基本原理,重点对现有硬件设计中影响编码器性能的因素进行了优化。包括:针对离散小波变换模块设计了新的低存储结构,对行滤波器和列滤波器分别设计了两种不同的一维变换结构,消除了转置存储器,片上内存使用与其他提升结构相比减少了11.1%;同时,提出了一种内部编码模块并行的JPEG2000编码器结构,将处理速度较慢的Tier1编码和优化截断部分并行多路,有效提升了硬件效率。在Xilinx XC7K325T型号的FPGA上实现,并对大量图像进行了压缩测试,结果表明在67%的硬件利用率下,吞吐量可达到105Msamples/s。在上述研究的基础上,针对某项目应用需求,本文开发了一种基于FPGA的实时图像处理系统,以Xilinx XC7K325T型号的FPGA为核心单元,集成了图像采集、压缩和码流传输功能为一体。通过Camera Link接口对可见光相机分辨率为1024×1024×8bit的图像和近红外相机分辨率为640×512×14bit的图像进行采集,同时采用DDR3 SDRAM作为高速图像数据缓存,设计了乒乓缓存结构保证图像采集和压缩模块连续工作;利用FPGA实现JPEG2000图像压缩编码器,根据系统处理速度要求,选择内部6路并行结构对两路图像数据复用处理;压缩后的码流数据通过USB3.0接口实时传输到上位机中。测试结果表明,系统各模块功能正确,FPGA硬件利用率约60%,能够满足每秒采集和压缩50帧图像的处理要求,在50倍压缩时解码图像的PSNR值仍在35d B以上,图像压缩质量良好。