初级视觉的小波表征及其图象压缩效果

初级视觉的Ｇａｂｏｒ函数模型和变换尺度为３是初级视觉处理外界信息的主要特征,在此基础上,由于小波所具有的多分辨特性与视觉处理由粗到细的过程相一致,因而,希望存在一类能够表征这两个初高觉特征的小波亦换。从这点出发,本文先给出了具有变换尺度为３的正交Ｈａａｒ基,而后给出了具有以上两个特征的小波基和小波滤波器。     

基于EMD和小波变换的运动分析

运动分析是视觉信息加工中的一个重要问题。本文利用Ｒｅｉｃｈａｒｄｔ的相关型初级运动检测器（ＥＭＤ）二维阵列可以有效地进行图象－背景相对运动分辨的特点,以及小波变换的频谱分析特性与人类视觉多频率通道特性相类似的性质,将ＥＭＤ模型、小波变换和图象的塔式结构处理有机地结合起来,提出了一种类似视觉信息加工方式的新的运动分析算法。计算机仿真结果表明,算法能够较好地模拟视觉运动检测的功能,与Ｈｏｒｎ＆Ｓｃｈｕｎｃｋ算法［１］相比,提高了运动估计的速度与精度。     

南京市城市景观的特征尺度

在RS技术支持下,采用分辨率为10m的SPOT-5遥感影像为数据源,分别应用Haar、Morlet、Mexican Hat 3种基小波,对南京市江北城郊、主城区和东南城郊3种不同景观类型进行了特征尺度研究。结果表明,Modet基小波最适于进行城市景观的特征尺度检测,Mexican Hat基小波对粒级嵌套结构检测效果稍差,而Haar基小波不适于对连续型数据源的景观进行特征尺度检测。Morlet基小波的一维小波分析结果表明,南京市江北城郊和东南城郊都存在1个对应于各自农田斑块平均粒径的特征尺度,分别为362m和446m,而主城区则检测出存在3个特征尺度,即：292、835m和2200m,分别对应于建筑小区、小型街区和大型街区的平均粒径,显示主城区存在具有等级结构特征的“建筑小区-小型街区-大型街区”的粒级嵌套结构,揭示了城区具有比城郊复杂得多的粒级结构特征。     

基于二维小波分析的景观特征尺度识别

采用3种常用小波基（Haar、Daubechies和Symlet）,探讨了二维小波分析在沈阳地区城市、城乡交错区和农村3种景观类型特征尺度识别中的有效性.由于二维小波分析的变换尺度必须为2的整数次幂,这会导致景观中一些特征尺度无法精确识别,故本文将各景观类型影像像元大小分别重采样为3、3.5、4和4.5 m,以增加分析时的尺度密度.结果表明：应用二维小波分析可清晰地识别景观特征尺度;Haar、Daubechies、Symle可分别作为城乡交错区景观、城市景观和农村景观特征尺度识别的最优小波基;Haar和Symlet均可应用于农村景观精细特征尺度的识别和城乡交错区景观边界的检测;Daubechies和Symlet可分别用于城市景观和农村景观的边界检测.     

视觉图象-背景相对运动分辨模型

在蝇视觉相对运动神经计算原理的基础上,提出一个新的视觉图象-背景相对运动分辨模型.它包括(1)视觉图象-背景相对运动分辨的初级视觉加工,即运动图象的滤波加工;(2)视觉图象-背景相对运动分辨的中级视觉加工,即滤波器输出的运动图象与亮度边缘信息的平行整合加工.考虑到传统的计算机是串行加工方式,难以实时处理信息量巨大的运动目标图象,而且计算的原理与神经计算有着根本区别,建立了一个生物学似真的实时运动信息加工神经网络电子装置,在此装置上对模型进行检验,实现了目标图象与复杂的背景图象的实时高分辨率相对运动分辨.提出视觉残象在运动图象滤波中起着重要作用;运动视觉的孔径问题应分成两部分来处理:孔径问题引起的运动图象与背景分离不完整的问题,通过视觉的多通道信息的平行整合能得到较好的解决,而孔径问题引起的速度方向测不准在视觉整合中只能得到一定的补偿。     

基于多小波的胃癌病理细胞图像边缘检测与分析

对胃癌细胞图像的多尺度小波变换边缘检测进行了研究,为医生运用现代信息理论的方法进行相关疾病诊断提供了一种新的思路和途径。提出了多尺度小波边缘检测的新方法,归纳了改善小波边缘检测效果的一些策略。实验结果表明,对于具有复杂纹理的医学病理细胞图像,采用传统的边缘检测方法会产生伪边缘和方向性误差,它影响了图像边缘检测的可信度;而运用小波变换的时频尺度特性和对奇异变化的优良检测性能,可得到无噪声污染的图像实际边缘。     

基于小波变换的NDVI区域特征尺度

尺度是生态环境研究领域的热点问题。以福州市为研究区,选择6个生态样线,提取NDVI(Normalized DifferenceVegetation Index),以小波变换为工具进行尺度分解,得到21×900 m2、22×900 m2…28×900 m2系列尺度上的NDVI信息。以小波细节信息方差和小波细节信息熵为特征尺度的度量指标,得到6个生态样线的NDVI特征尺度,进一步得到区域特征尺度。研究发现福州地区纬度方向的特征尺度域为24×900m2…26×900m2,纬度对生态样线的NDVI特征尺度影响较小,不同纬度生态样线的NDVI特征尺度与样线的景观多样性和受人类活动干扰的程度有关;经度方向的特征尺度域为25×900m2…27×900m2尺度,不同经度NDVI特征尺度域自西向东存在明显的递增梯度,该梯度与DEM、坡度和地形起伏度梯度相吻合;NDVI生态样线的特征尺度域大小受控于研究区北北东-南南西走向的地质构造体系,该因素导致NDVI样线特征尺度的空间变异范围为21×900m2…23×900m2。     

基于等度规映射的大鼠初级视觉皮层视像整体特征识别

整体特征是视觉信息的基本特征之一。为了认知大鼠初级视觉皮层神经元对视像整体特征的处理机制,首先给出确定有效响应时间区间的方法,确定了有效响应时间区间;然后,确定有效响应时间区间内、不同整体特征视像刺激下的神经元发放特征,并利用等度规映射进行了特征整合,进而对整合后的特征使用支持向量机进行分类;最后,将该方法应用于大鼠的初级视觉皮层视像整体特征识别,并将其分类结果分别与使用主成分分析法进行特征整合以及直接统计神经元发放特征的分类结果进行了对比。对比表明:该方法较其他两种方法,对于整体特征的识别准确率均有不同程度的明显提高。     

综述: 初级视皮层的亮度信息加工

亮度(luminance)是最基本的视觉信息.与其他视觉特征相比,由于视神经元对亮度刺激的反应较弱,并且许多神经元对均匀亮度无反应,对亮度信息编码的神经机制知之甚少.初级视皮层部分神经元对亮度的反应要慢于对比度反应,被认为是由边界对比度诱导的亮度知觉(brightness)的神经基础.我们的研究表明,初级视皮层许多神经元的亮度反应要快于对比度反应,并且这些神经元偏好低的空间频率、高的时间频率和高的运动速度,提示皮层下具有低空间频率和高运动速度通路的信息输入对产生初级视皮层神经元的亮度反应有贡献.已经知道初级视皮层神经元对空间频率反应的时间过程是从低空间频率到高空间频率,我们发现的早期亮度反应是对极低空间频率的反应,与这一时间过程是一致的,是这一从粗到细的视觉信息加工过程的第一步,揭示了处理最早的粗的视觉信息的神经基础.另外,初级视皮层含有偏好亮度下降和高运动速度的神经元,这群神经元的活动有助于在光照差的环境中检测高速运动的低亮度物体.     

小波分析方法在心叶驼绒藜(Ceratoides ewersmanniana)空间格局尺度推绎研究中的应用

以古尔班通古特沙漠南缘莫索湾沙地选取相隔15km的两个200m×200m样地,以建群种心叶驼绒藜(Ceratoides ewersmanniana)及其生境地形为研究对象,应用小波分析定量研究了多尺度上空间格局的推绎以及空间异质性、空间格局依赖于尺度的变化关系。研究发现：小波分析尺度由1(5m)变化到4(20m)时,两个样地小尺度上的异质性和格局被合并到更大的尺度上,当小波分析的尺度大于等于5(25m)时,两个样地的格局变化平稳,对应地形（丘顶、丘坡、丘底）的基频稳定在110m左右,心叶驼绒藜的数量动态变化周期稳定在115～125m之间。结果表明：小波分析对信号整体特征的提取作用实现了小尺度上的信息到大尺度上的聚合。结合小波分析对信号突变点的检测,利用位置方差检验局部空间异质性程度,发现位置方差将大尺度上的格局分解到每个取样小样方,位置方差最大的地点对应的异质性也最强,实现了大尺度上的信息到小尺度上的分解。总结认为应用小波分析可以实现对空间格局的尺度推绎,具有对植被、环境的分布格局以及异质性有双重度量作用,由小波系数以及由其衍生的小波方差、位置方差来实现这种度量,图形表现直观,优越性明显。     

基于小波变换的混合二维ECG数据压缩方法

提出了一种新的基于小波变换的混合二维心电(electrocardiogram,ECG)数据压缩方法。基于ECG数据的两种相关性,该方法首先将一维ECG信号转化为二维信号序列。然后对二维序列进行了小波变换,并利用改进的编码方法对变换后的系数进行了压缩编码:即先根据不同系数子带的各自特点和系数子带之间的相似性,改进了等级树集合分裂(setpartitioninghierarchicaltrees,SPIHT)算法和矢量量化(vectorquantization,VQ)算法;再利用改进后的SPIHT与VQ相混合的算法对小波变换后的系数进行了编码。利用所提算法与已有具有代表性的基于小波变换的压缩算法和其他二维ECG信号的压缩算法,对MIT/BIH数据库中的心律不齐数据进行了对比压缩实验。结果表明:所提算法适用于各种波形特征的ECG信号,并且在保证压缩质量的前提下,可以获得较大的压缩比。     

小波分析方法在心叶驼绒藜(Ceratoides ewersmanniana)空间格局尺度推绎研究中的应用

以古尔班通古特沙漠南缘莫索湾沙地选取相隔15km的两个200m×200m样地,以建群种心叶驼绒藜(Ceratoides ewersmanniana)及其生境地形为研究对象,应用小波分析定量研究了多尺度上空间格局的推绎以及空间异质性、空间格局依赖于尺度的变化关系。研究发现:小波分析尺度由1(5m)变化到4(20m)时,两个样地小尺度上的异质性和格局被合并到更大的尺度上,当小波分析的尺度大于等于5(25m)时,两个样地的格局变化平稳,对应地形(丘顶、丘坡、丘底)的基频稳定在110m左右,心叶驼绒藜的数量动态变化周期稳定在115～125m之间。结果表明:小波分析对信号整体特征的提取作用实现了小尺度上的信息到大尺度上的聚合。结合小波分析对信号突变点的检测,利用位置方差检验局部空间异质性程度,发现位置方差将大尺度上的格局分解到每个取样小样方,位置方差最大的地点对应的异质性也最强,实现了大尺度上的信息到小尺度上的分解。总结认为应用小波分析可以实现对空间格局的尺度推绎,具有对植被、环境的分布格局以及异质性有双重度量作用,由小波系数以及由其衍生的小波方差、位置方差来实现这种度量,图形表现直观,优越性明显。     

初级视皮层的亮度信息加工

亮度(luminance)是最基本的视觉信息.与其他视觉特征相比,由于视神经元对亮度刺激的反应较弱,并且许多神经元对均匀亮度无反应,对亮度信息编码的神经机制知之甚少.初级视皮层部分神经元对亮度的反应要慢于对比度反应,被认为是由边界对比度诱导的亮度知觉(brightness)的神经基础.我们的研究表明,初级视皮层许多神经元的亮度反应要快于对比度反应,并且这些神经元偏好低的空间频率、高的时间频率和高的运动速度,提示皮层下具有低空间频率和高运动速度通路的信息输入对产生初级视皮层神经元的亮度反应有贡献.已经知道初级视皮层神经元对空间频率反应的时间过程是从低空间频率到高空间频率,我们发现的早期亮度反应是对极低空间频率的反应,与这一时间过程是一致的,是这一从粗到细的视觉信息加工过程的第一步,揭示了处理最早的粗的视觉信息的神经基础.另外,初级视皮层含有偏好亮度下降和高运动速度的神经元,这群神经元的活动有助于在光照差的环境中检测高速运动的低亮度物体.     

一个新的脑电信号分析系统：小波分析理论的运用

小波变换是一种把时间、频率（或尺度）两域结合起来的分析方法。它被誉为“分析信号的数学显微镜”。本系统将小波变换用于脑电信号分析,是一个在Ｗｉｎｄｏｗｓ３．１下开发的脑电分析系统。     

心音信号噪声消除的小波变换方法

心音信号幅值小,干扰多,采用常规的时、频域滤波方法往往不能收到良好的效果,本文根据信号和干扰在小波变换下的不同变化特性,利用二进小波变换的模极大值识别出心音信号中的干扰噪声的位置,剔除其相应的小波变换系数后,再通过小波逆变换重构出心音信号,并根据心音信号的特点选取了适当的母小波和分解尺度,给出了利用小波方法去噪前后的实际结果,结果表明,小波变换方法可有效地消除心音信号中的噪声干扰。     

改良的小波变换算法在生物微粒检测中的应用

荧光图像的微粒检测已经成为了生物学研究中不可或缺的工具之一．介绍了一种改良的小波变换算法(improved wavelet transform,IWT),该方法实现简单,能够以很高的速度和精度来进行生物微粒的检测．IWT源自多尺度小波乘积算法(wavelet multiscale products,WMP),但它不仅解决了WMP算法遇到的问题,而且在处理各类图像的时候具有更强的适应性．使用人工合成的图像和真实的图像来定量地分析IWT、WMP以及多尺度方差稳定变换算法(multiscale variance stabilizing transform,MSVST)的检测效果．实验结果表明, IWT在大多数情况下的检测效果比WMP好很多,且与更为复杂的MSVST算法相当．此外,在处理相同图像时,IWT的速度比MSVST快20%．因此,IWT算法能够普遍适用于各种生物微粒的自动化检测,其简单准确的特点使之成为荧光图像分析更好的选择．     

景观生态学中的尺度分析方法

多尺度空间分析法是发现和识别景观特征尺度的主要方法.当前这类方法很多,缺乏归类和对比分析评价.基于空间类型变量和数值变量,对多尺度空间分析方法进行了重新梳理.同时对当前常用的尺度分析方法:半方差分析、尺度方差分析、小波分析和孔隙度指数分析,以中国三北防护林为例,对比了各种尺度分析方法的特点和优劣.结果表明,在特征尺度的识别上:小波方差方法清晰明了;半方差分析法灵活简捷,结果明显;尺度方差分析法和孔隙度指数法在本研究中的判识结果不甚明显.在计算速度上:半方差分析法计算量最大、耗时最长,尺度方差次之,小波方差速度最快,孔隙度指数法计算速度快于前两种,慢于小波方差分析方法.半方差分析方法简单灵活,而且相关理论方法成熟,但缺乏对大尺度格局的整体把握,而小波分析恰恰能很好的弥补这一不足.最后提出,半方差分析和小波变换相结合将会是最优的尺度分析方法.     

具有选择注意机制的视觉系统模型

文章提出了一种新的具有选择注意机制的视觉系统模型,这种模型包含一个从视觉皮层级到丘脑中外侧膝状体神经（ＬＧＮ）的反馈联结。分析了该模型反映视觉信息处理中注意机制的能力,网丘脑核（ＮｕｃｌｅｕｓＲｅｔｉｃｕｌａｒｉｓＴｈａｌａｍｉ,简作ＮＲＴ）的功能作用可用于建立注意模型。阐明了被称为ＣＴＡＮＮ（Ｃｏｒｔｉｃａｌ－ＴｈａｌａｍｉＡｒａｙＮｅｕｒａｌＮｅｔｗｏｒｋｓ）模型的生物学背景及意义,采用全局Ｌｉａｐｕｎｏｖ泛函方法分析了系统的稳定性,并给出了处理图象信息的实验。该研究旨在探索发展新型的视觉信息处理理论与方法。     

基于空间小波变换的生态地理界线识别与定位

为了提高生态地理分界线识别和定位的客观性,探讨了通过空间小波变换获取多尺度模极大值定位过渡带的方法.以NDVI和降水作为小波多尺度分解的对象,应用db3小波核函数分别对49条样带的模极大值进行了多尺度检测,并在GIS中确定其地理坐标.研究结果表明:识别半干旱半湿润生态地理分界线的最佳空间尺度为20～40 km,小于这一尺度定位过程容易受到局部地表覆被因素如城市区域或地形的影响,大于这一尺度由于要素被过度平滑,造成定位不准;从定位点的聚集度分析,NDVI的定位效果好于降水,特别是在较大空间尺度上.而与综合自然地理区划方案中的半干旱半湿润分界线比较,从定位点的方向性、平均最短距离以及均衡度三项指标综合判断,小波变换对于降水过渡带的定位优于对NDVI的定位.研究证实,空间小变换与GIS结合是提高生态地理分界线识别与定位科学性的重要途径,是对专家系统划分界线方法的有力补充和完善.     

强噪声,高基漂下的QRS检测器

本文描述了一种基于两进小波变换（ＤＹＷＴ）的ＱＲＳ波检测器。小波尺度的选择是基于心电信号的频谱的特点,并根据多尺度选择方法判决检测心电ＱＲＳ波,实验结果表明,对于在有强大的噪声和严重的基线漂移干扰下的心电信号能够有效的识别。