基于离散多小波变换的医学图像融合

研究了基于多小波的医学图像融合,在分析了CT图像和MRI图像特性的基础上,提出了基于离散多小波变换的图像融合框架模型。详细阐述了如何使用GHM多小波对2D图像实现分解———融合规则选择———多小波重构。与单小波不同,多小波分解前需要对图像进行预处理,以及重构后的后处理。文章的最后比较分析实验结果,证实了基于离散多小波变换图像融合相比于单小波融合方法的优越性。     

基于短小波包的图像边缘检测算法(英文)

使用缩短小波包算法对图像进行处理.对图像进行多层次小波包分解,分解之后用小波包重构高频子空间从而减少图像边缘信号损失。最后依据每层阀值化后的系数,得到图像的边缘.实验结果表明,该算法既能根据需要分别求出不同尺度不同方向下图像的边缘,又能保持图像边缘的完整性和清晰性。     

一种基于小波变换的图像压缩技术研究与实现

采用MATLAB小波工具箱实现了对伪彩色图像和真彩色图像的分解与重构,给出了图像分解与重构的原理和MATLAB源程序,并进行了结果分析。实验证明使用该方法对图像进行压缩,压缩比高且压缩后图像质量较好。     

一种基于小波包的多聚焦图像融合算法

简要介绍了小波包的基本原理及图像的小波包分解与重构方法；提出了一种基于小波包分解技术的多聚焦图像融合算法，并给出了实例仿真实验；实验结果表明，与单纯的空间域图像融合相比，该融合算法具有良好的效果，充分体现了小波包方法的优越性。     

多模态医学图像的融合研究

图像融合作为一种有效的信息融合的技术,已广泛用于医学图像、军事、遥感、机器视觉等领域．基于小波变换的图像融合是一种新的多尺度分解像素级融合方法,利用小波变换分别对CT,MRI医学图像进行分解处理,按照融合规则构造融合图像对应的各小波系数,再根据融合图像的各小波系数重构融合图像,重构后的融合图像完好地显示源图像各自的信息．实验图像使用互信息量化判据来评价融合效果,结果表明小波变换比传统的像素级加权平均融合算法效果更好．     

基于双树复小波变换的多聚焦图像融合

针对离散小波变换图像融合算法在特征表达上存在的不足,采用双树复小波变换对多聚焦图像进行多分辨率分解与重构,并应用基于局部区域能量加权选择的融合策略。融合效果评价使用熵等传统的方法外,还使用了通用的主观与客观相结合的方法。实验证明,该方法得到的融合图像效果较好。     

基于MATLAB的小波分析方法与图象编码

主要介绍了用基于MATLAB的小波分析方法进行图象编码的原理,并对小波分解和重构及图象压缩和解压缩的必然关系进行了详细阐述.同时给出了较为具体的小波分解与重构实验设计报告.实验表明:对图象数据进行小波分解与重构,实际取得了图象压缩与压缩的效果.     

一种新型高斯噪声滤波算法

为了更有效滤除数字图像中的高斯噪声,提出了一种新型滤波算法.该算法首先将含有高斯噪声的图像进行二维小波分解,得到高频和低频小波分解系数;然后保留低频小波系数不变,对高频小波系数通过维纳滤波器进行滤波,并进行小波系数重构;最后将重构图像进行多尺度小波分解,通过设定新的阈值和判别函数,弱化不重要的小波分解系数,并进行小波分...     

一种双正交小波代数构造方法

提出了一种B样条双正交小波的代数构造方法.对同一个尺度函数来说,可通过自由选择参数构造多种不同的对偶尺度函数的系数,从而可以构造不同的B样条双正交小波.在此基础上用同一尺度函数的多种双正交小波分别作了信号消噪和图像的分解与重构实验,取得了小波系数在信号消噪和图像处理中如何按照应用目的选优的相关结论.     

基于小波和阈值的图像压缩方法及实现

主要探究基于haar小波分析的图像的分解与重构，并用MATLAB6．5数学软件工具设计了不同阈值下的小波变换和重构图像过程，从中得出，选择合适的小波变换及其阈值的设置是一个至关重要的问题．小波选取的阈值越大，重构图像的失真程度越高，在相同阈值下，haar小波重构图像要比db9小波的重构图像文件小得多，因此haar小波是一种较为有效的图像压缩方法。     

一种基于Haar小波的塔式分解重构算法

基于Haar小波的尺度和小波函数定义与特性,经过一系列推导得到基于Haar小波的塔式分解重构算法,并给出了图例验证算法分解和重构过程的正确性。本文给出的相关算法可对离散化的信号进行分解和重构,从而进行信号的噪音滤除和数据压缩等分析处理。     

液压系统故障信号的小波包检测方法

提出了一种利用小波包检测调速阀故障信号的方法.通过小波的小波包分析将信号按一定的尺度进行划分,不同频率的信号被划分到不同的频段中.由经过预处理的信号经过小波包分解与重构后,可以得到小波包重构图,由图中可以获得故障产生的时间点和频率,再对故障的严重程度进行了量化分析.实验结果表明用小波包理论进行故障检测是可行的.     

小波变换在信号降噪中的应用

介绍采用小波变换进行信号降噪的原理；利用小波分解和重构函数对轧机主传动轴应力和扭矩信号进行降噪处理。结果表明，其降噪效果良好。     

小波变换及其重构的若干问题之推论

通过理论结合实验 ,对小波变换及其重构所存在的若干问题进行了较为深入的分析。指出小波变换的实质是矢量的变换 ,以及小波重构的稳定性与频率选择性是辩证统一的概念。在推理的基础上 ,文章给出了 6个推论 ,并从重构出发 ,对小波变换的内外延作了新的拓展     

滚动轴承内圈圆、粗糙、波纹度的综合检测

阐述了滚动轴承误差检测的基本理论,并设计开发了一种检测系统,该系统采用了高精度差动式磁芯型电感位移传感器和小波包分解与重构技术.通过对轴承内圈表面特征数据一次采样,实现表面圆度、粗糙度、波纹度误差的综合检测和分析评定.通过对406型轴承的实测数据进行处理,成功实现了三种误差信号的分离,实验证明了该系统的可靠性和实用性.     

一种离散小波变换的快速分解和重构算法

通过对实序列的快速傅里叶变换算法的推导及Mallat算法原理的分析，根据离散小波变换（DWT）算法结构特征，提出了一种离散小波变换的快速分解和重构算法；给出了相应的算法步骤，从数学理论上对该算法进行了论证。结果表明与原有的快速小波算法（Mallat算法）相比，可显著减少信号与滤波器长度N较大（大于16）时小波变换的实乘次数（分解仅为（5log2N 7)N次，重构仅为4N（1 log2N)次）提高了运算速度，且该算法有着良好的并行性，易于数字信号处理器（DSP）的快速实现。     

小波包频带检索改进算法及其在电机故障诊断中的应用

针对目前在利用小波包处理非平稳信号的过程中,存在认为小波包分解频段是按频率连续递增排列的误区,在分析小波包原理和小波包分解重构过程中频段排列特点的基础上,提出一种将小波包分解的频段按照频段由小到大顺序排列的方法,以方便所需频段的检索。在Lab-VIEW平台下进行了仿真验证,证明该方法的正确性,并利用改进频段顺序的小波包分解和重构程序对电机转子断条故障进行诊断,取得了很好的效果。     

广义的正交小波包

COIFMANT和MEYER在[1]中引入了正交小波包的概念,它是为了进一步分解小波的分量。本文在此基础上引入了广义小波包的概念并给出相应的分解与重构算法。它推广了文[1]的结果,且这种小波包比传统的正交小波包在应用上具有较大的灵活性。     

基于小波变换的弹射加速度滤波分析

根据小波分解与重构理论，对弹射加速度信号进行多尺度的小波变换，即用不同中心频率的带通滤波器对信号滤波，把主要反映噪声频率的那些尺度的小波变换去掉，再把剩余各尺度的小波变换结合起来，作小波重构变换，从而得到较好地抑制了噪声的信号。     

数字信号在紧支集正交小波变换后的精确重建

得到了有限长度的数字信号在紧支集正交小波变换下分解与合成算法的矩阵形式．理论和实验证实,该算法能精确重构原数字信号,重构的数字信号没有边界畸变．