小波变换及其数字图像处理的应用

简要介绍了小波变换方法 ,对小波分析在数字图像处理占的一些应用进行了简要讨论 ,并对图像的恢复和增强、图像分割等应用进行了一些有意义的尝试     

基于小波变换的医学图像增强方法与实现

分析研究了基于小波变换的图像增强原理和方法,对X线医学图像进行3层小波分解,得到各层的小波系数;采用不同的增强算法对不同层次的小波系数进行处理;利用处理后的小波系数进行小波逆变换,得到增强后的图像.实验结果表明该方法的增强效果明显优于直方图均衡化方法,既提高了图像的整体对比度,又突出了图像的局部细节,同时还抑制了噪声.     

非线性小波变换及其应用

对线性小波变换和非线性小波变换进行了介绍,在此基础上重点分析了非线性小波变换的优点,最后对非线性小波变换的若干典型应用及应用中的问题进行了讨论.     

小波基和它对一维信号的直接分解（Ⅱ）

研究了两类Ｉ．Ｄａｕｂｅｃｈｉｅｓ规范正小波,一类Ｒ．Ｃｏｉｆｍａｎ小波和Ｙ．Ｍｅｙｅｒ及三种具有解析表达式的小波（Ｍｅｘｉｃａｍ Ｈａｔ小波和Ｌｉｔｔｌｅｗｏｏｄ－Ｐａｌｅｙ小波）和它们生成的小波基的几种重要的特性（小波矩、消失矩、局部化特性、线性相位等）参数;针对一维信号的小波变换,对各种小波进行了评估,推荐出针对不同要求的较佳的小波;并对信号的小波分解分量及其Ｆｏｕｒｉｅｒ变换作了比较。     

新型小波变换的数字水印算法

目前已有很多基于离散小波变换或小波包的数字水印算法,但很少讨论到运用提升小波、组合小波这类新型小波的思想。文章首先对基于小波变换的数字水印算法做了概要性的介绍,然后提出运用提升小波、组合小波的新算法,并讨论了其研究方向和应用前景。     

小波变换技术概述

小波变换具有良好的时频局部化特性,通过小波变换可以将一个时域信号进行多分辨分解,因此小波变换技术就常被应用到数字水印中来。文章对小波变换理论及其相关知识进行了研究,论述了离散小波变换、多分辨率分析等理论。     

一种基于心电数据压缩的小波元选择方法

介绍了用于心电数据压缩而构造的一种小波神经网络以及它的小波元选择的方法．提出了根据对心电数据做频谱估计,确定其时频域支撑,再根据小波的时频特性确定小波函数的时频域支撑,来初步选定小波元,然后再利用OLS算法对初选的小波元进行筛选．选用Morlet小波为母小波,并用一段心电信号来对该方法进行验证．验证结果表明落在心电数据频谱范围内的Morlet小波有152个,再通过OLS算法筛选后小波元数大大减少了,使得小波网络的尺寸趋于最优．在网络训练时,训练时间也明显地减少．     

基于多小波变换的图像编码算法研究

 多小波是小波理论的新分支,将传统的单小波拓展到矢量空间。多小波既包括了传统小波的全部优点,同时又克服了单小波的缺陷,将实际应用中十分重要的正交性、对称性、紧支性、光滑性完美地结合在一起,因此多小波在图像处理方面的应用也显示出巨大的潜力。该文在研究了JPEG2000的核心编码技术——EBCOT算法和多小波变换原理的基础上,提出了结合EBCOT算法的多小波图像编码。算法将各种常用的多小波基,结合EBCOT算法,对灰度图像进行压缩编码。实验结果证明基于EBCOT算法的多小波图像编码方法能够对图像进行很好的压缩。     

小波与多小波变换在支持向量机人脸识别中的研究

以ORL人脸库为基础,采用不同的小波和多小波,对人脸图像进行不同层次的小波和多小波分解,提取低频分量作为特征向量,利用支持向量机(SVM)进行人脸识别,通过实验具体给出了在采用不同的小波和多小波对人脸图像进行不同层数的小波分解时,支持向量机的识别率,该文对实际应用具有良好的指导价值和参考价值.     

用多小波对图像分解和重构

与单小波相比较,多小波同时具备诸如紧支性,正交性,对称性等诸多在信号处理中非常重要的良好性质．这决定了多小波是一种优于单小波的信号处理技术．在应用中,对于单小波可以直接利用分解与重构公式对信号进行滤波．但是多小波是用矢量滤波器组对信号进行分毹、重构．滤波对象必须是满足一定要求的矢量信号．因此,在进行多小波分解前必须通过前置滤波器对原始离散信号进行预处理得到初始矢量,然后才能进行多小波变换．同样,对重构后的数据也要进行后处理才能得到需要的结果．本文以GHM多小波为例,实现了对图像的预处理、分解和变换后的重构、后处理过程,并将解压缩后的结果与单小波相比较,获得较好的结果．     

小波变换与Fourier变换的比较

小波分析是一门正在迅速发展的新兴学科。根据小波变换与Fourier变换的比较,得出了小波变换相对于Fourier变换的优越性,并总结了当前小波研究在理论方面的主要工作,结合应用提出目前应用中有待研究的方面,对于小渡技术发展应用具有理论指导意义.     

基于小波和小波包图像去噪的比较研究

小波和小波包对图像消噪都是十分有用的工具,虽然小波包可以对图像的高频部分做更细致的刻画,对图像的分析能力更强,但其对图像去噪的结果并不一定优于小波。本文通过大量的实验仿真显示:因图像中噪声含量的多少不同,小波包消噪的结果可能优于小波,也可能劣于小波。     

小波理论概述

小波变换是当前应用数学和工程学科中一个迅速发展的新领域,由于它在时间域和频率域里同时具有良好的局部化性质,因而同时具备理论深刻与应用广泛的双重意义。首先,介绍了小波函数的基本概念,讨论了小波变换的特点;其次,完整地总结了小波变换在各个方向的应用;最后对小波变换的应用进行了总结和展望。     

基于MATLAB的数字图像小波变换算法比较

小波变换是数字信号处理中非常有力的一种工具,本文通过阐述基于MATLAB的小波变换的软阈值 降噪方法,旨在展示小波变换在图像噪音消除方面的实际运用以及前景．通过使用傅立叶变换算法和小波变 换算法对同一幅图像进行降噪处理的比较,可以看出:小波变换的主要特点就是能够提供局部细化与分析的 功能,小波变换降噪算法具有很强的实用性．     

基于小波变换和中值滤波的医学图像去噪

简单介绍了离散小波变换、二维小波变换分解与重构和中值滤波的原理,提出了利用小波变换、中值滤波对含有高斯和脉冲两者混合噪声的医学CT图像进行去噪的一种新方法。实验结果表明:这种方法能够有效改善图像质量,较好地保持图像视觉效果,降低图像噪声;此方法的效果优于单纯的小波变换或单纯的中值滤波或先中值滤波再小波变换去噪的方法,是去除CT图像中含高斯和脉冲两者混合噪声的一种比较理想的方法。     

一种新的感应电动机转子断条故障检测方法

该文提出一种基于Hilbert模量频谱分析的感应电动机转子断条故障诊断的新方法.该方法是将Hilbert变换和小波分析方法相结合,得到解析小波变换,以准确判定负荷波动发生时刻,消除了负荷波动对断条故障特征频率的影响.将Hilbert模量定义成原始信号与其共轭信号的平方和,利用Hilbert模量将原相电流中的基波成分转换成直流成分,将转子断条的故障特征分量——(1-2s)f1转变为频率为的电流分量,解决了相电流频谱分析方法中断条故障特征分量很容易被基波淹没而难以突出故障特征分量的问题.仿真分析表明,该方法能克服传统的电流频谱分析法的缺点,对感应电动机转子断条故障给出正确无误的诊断结果.     

基于非正交实小波的框架扩展方法及滤波应用

该文由框架定义导出其自扩展性,并在此理论基础上把调制思想运用于小波变换,提出了一种基于非正交实小波的框架扩展方法,并以墨西哥草帽小波为例对该方法给予详细的说明。使用该方法可以构造出具有正交小波尺度函数特性的框架———调制小波,这种调制小波不但具有优良的滤波特性,而且对噪声具有鲁棒性,还兼有窗函数易于实现的优点。     

CBY桨搅拌槽内湍流结构的研究

在槽径为0.192m的CBY桨搅拌槽内,采用时间解析粒子图像测速仪(tim e-resolved PIV,TRPIV)和常规二维粒子图像测速仪(2DPIV)对搅拌槽中速度场进行了测量。分别用小波分析法和角度解析法将搅拌槽中周期性脉动和湍流脉动分开,发现两种方法所得的结果具有较好的一致性,说明了小波分析方法能够提取湍流动能。进一步研究表明,小波分析能将脉动速度分解到各个尺度上,频率越低的尺度所含的能量越大,且各尺度能量有着相似的分布规律。此外,随着雷诺数的增大,无因次化后的周期性脉动动能和真实湍流动能基本不变。     

基于小波神经网络的实际业务流预测方法

针对无线传感器网络传输过程中容易受到噪音干扰的问题,提出了一种新的业务流预测算法AWNNP(Ant colony-based Wavelet Neural Network Prediction).该算法首先利用小波变换对业务流进行分解,并将其小波系数和尺度系数作为样本数据.其次,结合蚁群算法和神经网络来训练样本数据,采用小波模型重构进行重构,以此获得业务流的预测数据.同时,通过仿真实验对比,并分析了小波神经网络预测算法和BP神经网络预测算法,实验结果表明,AWNNP算法性能较优,其误差为16.21%.     

离散小波变换在电力系统故障检测中的应用

传统的傅立叶分析难以处理电力系统故障时产生的暂态信号.小波变换具有良好的时频局部化特性,为分析非平稳、突变信号提供了有效的途径.通过多尺度分析,将连续小波变换离散化,得到适合数字信号处理的快速算法——离散小波变换.最后给出了应用离散小波变换进行输电线路故障测距的实例,通过仿真分析证明该方法可以极大地提高测距精度.