公共文化服务平台

搜索到4562篇“ 离散小波变换“的相关文章

基于离散小波变换的图像感知哈希方法: 本发明公开基于离散小波变换的图像感知哈希方法，步骤包括：1)获取待处理图像；2)对图像进行预处理，得到预处理后的图像；3)对预处理后的图像进行特征提取，得到图像特征；4)对图像特征进行量化和加密，得到图像哈希序列。本发明...; 胡春强杨飞鸿杨妮丹向涛文俊浩廖晓峰

融合视觉模型的离散小波变换算法及设计: 2025年; 深入探讨了小波变换的起源、发展及其在信号处理中的应用,特别是离散小波变换(Discrete Wavelet Transform,DWT)在减少信号冗余和提高处理效率方面的优势。同时,对人类视觉系统(Human Vision System,HVS)的特性以及韦伯-费希纳定律和Watson感知模型在水印技术中的应用进行了详细分析。基于这些理论基础,设计了一种创新的数字图像水印方案及实现算法,该方案利用HVS在频率掩蔽和亮度方面的特性,结合离散小波变换,实现了对水印嵌入强度的精准控制。通过MATLAB验证,该方案在鲁棒性和不可见性之间取得了良好的平衡,表现出较高的综合性能。; 于飞; 关键词：数字水印 ARNOLD置乱

基于离散小波变换的无线通信弱信号快速增强研究: 2025年; 现有增强方法的信号分解效果差,强度小于-30 dB,因此研究基于离散小波变换的无线通信弱信号快速增强。利用离散小波变换分解信号,根据分解情况识别并提取这些弱信号。通过对提取出的弱信号细节系数进行增强处理,并运用小波逆变换将增强后的子信号重构为完整的通信信号,从而完成信号的快速增强。实验结果表明,算法在不同尺度下可以有效提取信号低频和高频成分。实验组的信号强度在0 dB,且不同弱信号的信号强度较为稳定,显示出良好的增强性能,保持了较高的信息完整度。有效保障无线通信的稳定进行,为通信弱信号增强提供了新的解决方案。; 夏娜; 关键词：离散小波变换无线通信弱信号去噪

基于离散小波变换的人脸深度伪造主动防御方法及装置: 本发明涉及基于离散小波变换的人脸深度伪造主动防御方法及装置，涉及图像处理技术领域，方法包括：利用深度伪造模型对原始和含扰动图像做属性编辑，计算两者之间的均方误差损失和结构相似性损失，赋予不同权重后融合为总损失函数；基于损...; 李越薛琳颖田晖全韩彧卢璥

基于离散小波变换的人脸深度伪造主动防御方法及装置: 本发明涉及基于离散小波变换的人脸深度伪造主动防御方法及装置，涉及图像处理技术领域，方法包括：利用深度伪造模型对原始和含扰动图像做属性编辑，计算两者之间的均方误差损失和结构相似性损失，赋予不同权重后融合为总损失函数；基于损...; 李越薛琳颖田晖全韩彧卢璥

基于离散小波变换的挤压油膜阻尼器时变参数识别方法: 本申请公开了一种基于离散小波变换的挤压油膜阻尼器时变参数识别方法，涉及航空发动机挤压油膜阻尼器技术领域，利用离散小波变换将SFD的时变参数在多尺度上展开为高频细节信号和低频概貌信号，忽略细节信号，仅由概貌信号对时变参数进...; 周海仑李文龙韩云龙申奥

基于离散小波变换的脑电特征增强方法、装置、设备及介质: 本发明公开了一种基于离散小波变换的脑电特征增强方法、装置、设备及介质，其中方法包括：获取脑电数据，对脑电数据进行预处理，获得脑电信号；对脑电信号进行离散小波分解，获得近似信号与细节信号；对近似信号与细节信号分别进行切片操...; 陈俊龙何宇彬陈变娜张通

基于离散小波变换和深度网络的多尺度融合图像增强方法: 本发明公开了一种基于离散小波变换和深度网络的多尺度融合图像增强方法，包括：步骤1，采用DWT将待增强图像分解得到高频分量和低频分量；步骤2，使用特征提取模块对低频分量提取特征得到第一分量特征图，同时将中间层得到的特征信息...; 梁桥康殷义秦海申新朴郑正月柳力元

基于离散小波变换与卷积神经网络的图像融合方法、装置、终端及存储介质: 本申请公开了一种基于离散小波变换与卷积神经网络的图像融合方法、装置、终端及存储介质，其中方法包括对接收到的原始图像组进行预处理得到输入图像组；通过DWT对输入图像组进行多尺度分解得到分解结果，依据CNN对分解结果进行特征...; 高建邦李伟华罗黎明赵宇

基于离散小波变换及高低频子带解耦的低计算资源占用端到端语音识别: 2025年; 针对目前端到端语音识别模型计算资源占用过高的问题,提出了一种将离散小波变换(DWT)与端到端语音识别相融合的方法 (WLformer),大幅降低计算资源占用量的同时还可提升识别性能。WLformer的构建以目前端到端语音识别中广泛使用的Conformer模型为基础,在模型中引入所提出的基于DWT的信号压缩模块,该模块通过去除模型中间层表征内信息量较少的高频成分从而对该表征进行压缩,进而降低模型的计算资源占用。此外还提出了DWT子带解耦前馈网络的子模块结构以替换原模型中部分前馈网络,从而进一步降低模型的计算量。在Aishell-1、HKUST和LibriSpeech三个常用的中英文数据集上的实验表明,提出的WLformer相较于Conformer的显存占用相对下降47.4%,计算量Gflops相对下降39.2%,同时还获得了平均13.1%的错误率改善。此外, WLformer在计算资源占用少于其他主流端到端语音识别模型的情况下同样取得了更好的识别性能,进一步验证了所提方法的有效性。; 田三力黎塔叶凌轩吴石松赵庆卫张鹏远; 关键词：语音识别离散小波变换

相关作者