基于小波变换的图像编码方法

通过研究双正交小波变换的结构以及消失矩特性，利用线性方程组的求解，提出了一种双正交小波变换的构造方法，从而设计出一种新型的含参数9/7双正交变换.对于不同的小波变换系数参数，根据其不同性质讨论了不同小波实施图象压缩的恢复图象质量及其计算方面的性能.当小波系数为简单整数时，图像压缩的数值实验表明，该方法在保证良好压缩性能的前提下，同时也具有良好的快速计算性质.     

最优小波基的选取原则

小波变换用于图象压缩时,小波基的一些性质对编码的效果有很大影响。通过分析双正交小波、正交小波的特点,以及小波基的正则性和消失矩在图象编码中对恢复图象质量的影响。介绍了选择小波基所要考虑的因素,给出了合理选择小波基的选择原则。     

基于平稳小波变换的邻域依赖自适应软阈值图像降噪

传统正交小波变换降噪方法会引起图像边缘失真,针对其不足,研究了平稳小波变换图像降噪。平稳小波变换去除了下抽样处理,包含在小波系数中的信息是冗余的,同时结合贝叶斯估计的自适应软阈值,提出了一种新的图像降噪算法。通过仿真实验将该方法与Winner2,VisuShrink,BayesShrink方法进行比较,试验结果表明,该方法不仅有效地去除了噪声,而且提高了图像的峰值信噪比。     

基于自适应模糊阈值小波的图像去噪

针对小渡变换多分辨分析(MRA)的特点，本提出一种多尺度分级的自适应模糊权重中值滤波的去噪方法．首先，利用开关控制策略的模糊理论建立隶属函数，用高斯自适应模型对噪声点进行预检测，然后在每一级小波变换过程中应用自适应模糊中值滤波(AFWMF)算法进行噪声滤波．实验表明，常规的小波去噪方法只能去除图像中的高斯噪声。该方法既能去除高斯噪声也能去除非高斯噪声．与中值滤波方法相比，该方法在去噪的同时能保留大量的原图像边缘、细节等重要信息，具有更好的去噪效果．     

小波分析及其去噪性能研究

小波变换是一种具有一定时间和频率分辨率的分析方法．为了寻找更有效的去噪方法，对连续小波变换(CWT)、离散序列小波变换(DTWT)和正交小波变换(QWT)作了理论分析。结果表明：CWT对噪声具有良好的抑制作用；DTWT在通过域值处理的同时，也考虑了因噪声造成的某些信号细节的丢失；而QWT则能有效地提取淹没在噪声中的微弱信号。与传统的傅里叶变换(FT)相比较，具有显著的优点，值得关注。     

一种基于高斯小波变换的红外热图象阈值自动选择方法

利用小波分析对局部具有良好的时域和频域分辨率的特点 ,将其引入到红外热图象的分割中 ,提出了一种基于小波变换的多分辨率门限选择方法。实验结果表明 ,这种方法不但能有效地解决红外热图象中存在的图象模糊、噪声过大的问题 ,而且改变了传统分割方法中人为选取阈值参数的作法。     

小波软阈值算法去除SAR图像中的Speckle噪声

在详细分析了Donoho小波软阈值的基础上，应用小波变换技术对SAP图像进行分析处理。使用“小波局部软阈值算法”来计算阈值，对高频小波系数进行阈值确定。求得估计小波系数，对其取小波反变换后，去除SAP图像中的Speckle噪声。实验结果表明此方法对去除Speckle噪声十分有效，可以在含有Speckle噪声为背景的图像去噪中应用。     

基于小波变换和模糊c-均值聚类的图像边缘检测

提出一种结合小波变换和模糊聚类技术对图像边缘进行检测的新算法．首先,对图像进行小波变换。并将相邻尺度小波系数相乘以增强边缘和去除噪声,然后利用模板得到四个方向的小波模梯度值,并以其作为特征作成待分类点集,最后,采用模式识别中的模糊c-均值聚类技术进行自动分类,实现边缘检测．实验结果表明,该算法具有较好的边缘检测和抑制噪声的能力。     

应用小波变换技术的图象噪声消除新方法

提出了基于小波变换技术消除高斯噪声和ｓｐｅｃｋｌｅ噪声的图象去噪声方法,并用合成孔径雷达图象数据对所提出的方法进行了验证。实验结果表明：提出的方法和传统的方法相比,在消除图象中高斯噪声和ｓｐｅｃｋｌｅ噪声十分有效。该方法也可以广泛地应用于受噪声污染的各种图象噪声消除,特别适用于微波Ｃ波和Ｘ波段遥感图象数据。     

多尺度B样条小波变换去除噪声的一种方法

基于Ｂ样条小波的特点,利用小波变换引出了Ｂ样条小波实现信号分解和重构的实用公式．从理论和实验两个角度分析了不同噪声在小波变换下的传播性：白噪声和尖脉冲由于具有负奇异性和稠密性及方差均随尺度的增大而减少,据此提出一种用小波变换去除随机噪声的新算法．经过实验,与过去常用的均值滤波和中值滤波方法进行对比认为,该方法对白噪声和尖脉冲噪声均有良好的抑制作用,对信号的突变信息和波形都有较好的恢复作用,克服了均值滤波及中值滤波法造成原信号边缘模糊的缺陷．该方法可推广到其它信号的处理,具有一定的理论意义和实用价值．     

基于改进二进制小波变换的图像边缘检测算法

针对传统二进制小波变换在图像边缘检测应用中的不足，提出了基于改进二进制小波变换的图像边缘检测算法．该算法首先按水平、垂直和对角方向对图像进行改进的多尺度二进制小波变换，提取三个方向的小波系数，然后采用相邻尺度小波系数相乘的方法去除图像的噪声．再对去噪后的小波系数乘积极大值点进行检测，最后将这3个方向上的极大点进行融合，形成图像的边缘．     

基于小波多尺度乘积的信号去噪算法

根据信号与噪声在小波变换下表现出截然不同的性质,提出了一种基于小波多尺度乘积的信号去噪算法,该算法首先对信号进行多尺度二进制小波变换,通过相邻尺度小波系数乘积提取小波变换模极大值的小波系数和去除噪声小波系数：再利用模极大值小波系数进行小波逆变换得到去噪后的信号。实验仿真表明：该算法在有效去除噪声的同时,也能保留信号的重要特征。     

一种基于中值滤波和小波变换的图像去噪算法研究

针对同时含有脉冲噪声和高斯噪声的混合含噪图像特点,结合自适应中值滤波和小波变换的阈值滤波的各自优点,提出了一种基于中值滤波和小波变换阈值去噪相结合的图像去噪方法,即先对图像进行自适应中值滤波去除脉冲噪声,然后利用小波变换去除剩余的高斯噪声.实验表明:该方法能在有效去除混合噪声的同时,较好地保持边缘和细节信息.     

基于小波变换模极大值的脉冲噪声去除方法

根据小波系数模极大值的特性,提出了去除脉冲噪声的一种新方法.由于脉冲噪声往往造成信号的突变,所以经小波变换后其小波系数易成为模局部极大值.由突变点的模极大值随着小波分解尺度的增大而减小的性质,可采取去除具有此种性质的模极大值的方法去除脉冲噪声.此方法也能很好的去除白噪声,因为白噪声与脉冲噪声的模极大值具有相同的特点.     

基于离散平稳小波变换的心电信号去噪方法

本文提出一种基于离散平稳小波变换的心电信号去噪方法,通过对心电信号进行多层离散平稳小波变换,根据噪声的不同来源及其频带分布特点,对变换后的细节信号采用不同的去噪方案。该方法能有效克服传统离散正交小波变换去噪时容易产生Gibbs现象,从而达到保持心电波形特征且抑制噪声的双重目的。     

基于双正交小波变换的彩色图像水印嵌入算法

基于传统小波变换的数字水印算法,提出一种基于双正交小波变换的彩色图像数字水印嵌入算法.算法利用双正交小波具有的良好分解和重构特性,对原始水印图像进行Arnold置乱后,将载体图像及水印图像分别进行2级和1级双正交小波变换.根据小波各频带系数之间的关系以及人类视觉系统掩蔽性,确定水印嵌入位置和强度,将置乱后的水印按照一定权重规则嵌入到载体相应的分解系数中,利用双正交小波逆变换得到含有水印的图像.仿真实验结果表明该算法不仅有较好的隐藏性,而且对于常见的操作攻击也表现出很强的鲁棒性.     

一种基于小波变换的去噪新算法

提出一种去除观测信号中白噪声的新方法．分析了白噪声和一般信号的小波变换系数的不同特点，对Hampel滤波器进行了改进．利用白噪声和一般信号小波变换系数的不同特点，用改进后的滤波器对信号小波变换系数序列进行滤波处理，从而达到降噪的目的．仿真结果表明，滤波算法对不同种类、不同信噪比的信号有很好的降噪效果，尤其适用于强噪声背景下弱信号的检测。     

基于小波变换的图像混合去噪算法

提出基于小波变换与中值滤波相结合的方法,实现了图像去噪。该方法在去噪之前,先通过小波边缘检测确定图像边缘特征的小波系数,保留这些位置的小波系数,其不受阈值去噪影响,对其它位置的小波系数进行自适应阈值去噪,去除高斯噪声。然后对图像进行中值滤波,去除椒盐噪声。该算法的实验结果表明,不仅能滤出图像中高斯噪声和椒盐噪声的混合噪声,而且能较好地保留图像的边缘细节,其滤波效果优于传统的图像去噪方法。     

由最优双正交小波变换矩阵决定的小波基

通过双正交小波变换矩阵的特征值分析给出了一个新的定义-最优双正交小波变换矩阵.实验验证了在相同的小波族中,由最优双正交小波变换矩阵决定的双正交(超)小波是"最优"小波.因此,在9-7小波族中,最优9-7小波在图像压缩的性能要优于常用的CDF97小波.     

小波变换理论在管道泄漏检测中的作用

分析了负压波泄漏定位方法的关键技术，提出了小波变换与负压波相结合的方法，利用信号奇异点与小波变换模极大值在多尺度上变化对应的性质，将离散小波变换应用到获取压力波信号序列特征奇异点中，可以对泄漏点进行定位。因为现场采集的数据中含有大量噪声，采取小波门限去除噪声干扰的方法，可以很好地消除噪声干扰。在实际应用中取得了良好的效果。